standardScaler() 标准化

最新推荐文章于 2025-06-26 14:01:58 发布

贾世林jiashilin

最新推荐文章于 2025-06-26 14:01:58 发布

阅读量2.9w

点赞数 6

CC 4.0 BY-SA版权

分类专栏：深度学习相关文献和理论

本文链接：https://blog.youkuaiyun.com/qq_35290785/article/details/91146670

深度学习相关文献和理论专栏收录该内容

126 篇文章 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

本文探讨了机器学习中标准化的重要性，特别是使用`standardScaler()`方法进行数据预处理。介绍了一般情况下，如何通过逐渐减少隐藏层神经元数量来优化神经网络架构，通常每层神经元数量会减半。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一般来说,使用隐藏层神经元数量逐层减少,通常在步骤中每层除以2,

#!/usr/bin/env python
# -*- coding:utf-8 -*- 
# Author: Jia ShiLin

'''
一般来说,使用隐藏层神经元数量逐层减少,通常在步骤中每层除以2,
'''
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler

from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import SGD

SEED = 7

# data
data = pd.read_csv('winequality-red.csv', sep=';')
x = data.drop(['quallity'], axis=1)
y = data['quality']

# 数据集划分
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2, random_state=SEED)

# 标准化
scaler = StandardScaler().fit(x_train)
x_train = pd.DataFrame(scaler.transform(x_train))
x_test = pd.DataFrame(s

了解本专栏