在Encog 3.x中,如何对数据进行规范化,用于训练,并对结果进行反规范化?
关于这个问题没有很好的文档,一个应用了这些功能的简单示例会大大降低学习Encog的曲线。我还没有完全弄清楚,但这里有一些资源。
(1) *Encog 3.0如何规范化?*
这段代码可以用于保存新的规范化csv。但不清楚如何将AnalystNormalizeCSV转换为MLDataSet以实际使用它。
关于这个问题没有很好的文档,一个应用了这些功能的简单示例会大大降低学习Encog的曲线。我还没有完全弄清楚,但这里有一些资源。
(1) *Encog 3.0如何规范化?*
这段代码可以用于保存新的规范化csv。但不清楚如何将AnalystNormalizeCSV转换为MLDataSet以实际使用它。
EncogAnalyst analyst = new EncogAnalyst();
AnalystWizard wizard = new AnalystWizard(analyst);
wizard.wizard(sourceFile, true, AnalystFileFormat.DECPNT_COMMA);
final AnalystNormalizeCSV norm = new AnalystNormalizeCSV();
norm.analyze(sourceFile, true, CSVFormat.ENGLISH, analyst);
norm.setOutputFormat(CSVFormat.ENGLISH);
norm.setProduceOutputHeaders(true);
norm.normalize(targetFile)
(2) *如何使用Encog(Java)规范化CSV文件*
这段代码可以生成一个规范化的csv输出,但是它没有清楚地说明如何使用规范化的数据。有一种方法可以将目标设置为MLData,但它假设所有列都是输入,并且不留任何空间给任何理想情况。此外,当文件具有标题和/或未使用的列时,这两个选项都很难使用。
try {
File rawFile = new File(MYDIR, "iris.csv");
// download Iris data from UCI
if (rawFile.exists()) {
System.out.println("Data already downloaded to: " + rawFile.getPath());
} else {
System.out.println("Downloading iris data to: " + rawFile.getPath());
BotUtil.downloadPage(new URL("http://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data"), rawFile);
}
// define the format of the iris data
DataNormalization norm = new DataNormalization();
InputField inputSepalLength, inputSepalWidth, inputPetalLength, inputPetalWidth;
InputFieldCSVText inputClass;
norm.addInputField(inputSepalLength = new InputFieldCSV(true, rawFile, 0));
norm.addInputField(inputSepalWidth = new InputFieldCSV(true, rawFile, 1));
norm.addInputField(inputPetalLength = new InputFieldCSV(true, rawFile, 2));
norm.addInputField(inputPetalWidth = new InputFieldCSV(true, rawFile, 3));
norm.addInputField(inputClass = new InputFieldCSVText(true, rawFile, 4));
inputClass.addMapping("Iris-setosa");
inputClass.addMapping("Iris-versicolor");
inputClass.addMapping("Iris-virginica");
// define how we should normalize
norm.addOutputField(new OutputFieldRangeMapped(inputSepalLength, 0, 1));
norm.addOutputField(new OutputFieldRangeMapped(inputSepalWidth, 0, 1));
norm.addOutputField(new OutputFieldRangeMapped(inputPetalLength, 0, 1));
norm.addOutputField(new OutputFieldRangeMapped(inputPetalWidth, 0, 1));
norm.addOutputField(new OutputOneOf(inputClass, 1, 0));
// define where the output should go
File outputFile = new File(MYDIR, "iris_normalized.csv");
norm.setCSVFormat(CSVFormat.ENGLISH);
norm.setTarget(new NormalizationStorageCSV(CSVFormat.ENGLISH, outputFile));
// process
norm.setReport(new ConsoleStatusReportable());
norm.process();
System.out.println("Output written to: " + rawFile.getPath());
} catch (Exception ex) {
ex.printStackTrace();
}
(3) *反规范化*
我完全不知道如何按照适当数据类型的最大值和最小值进行反规范化。