本文介绍了三种常见的数据变换方法：线性伸展、高斯型变换和伽马型变换。线性伸展用于调整数据到指定范围内，适用于归一化处理；高斯型变换通过指数函数实现，常用于概率密度函数的构建；伽马型变换则适用于正偏态分布的数据，通过参数调整可以灵活控制形状。
修改数据集的数值范围，用于归一化等。
小结，持续更新
1. 线性伸展
- 原始值域：[a,b][a, b][a,b]
- 变换值域：[A,B][A, B][A,B]
变换公式：
y=B−Ab−a(x−a)+A y = \frac {B-A}{b-a} (x - a) + A y=b−aB−A(x−a)+A
2. 高斯型
y=exp(−x2σ2) y = \exp(-\frac{x^2 }{ \sigma^2}) y=exp(−σ2x2)
3. 伽马型
- 值域：[0,+∞)[0, +\infty)[0,+∞)
- 最大值：$y |_{x = \beta}=1 $
y=xβe1−xβy = \frac x \beta e^{1- \frac x \beta}y=βxe1−βx
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
