Hier is min bronne, waar u meer gedetailleerde inligting oor normalisering en denormalisering met behulp van ENCOG -raamwerk kan kry.
Hierdie wonderlike e-boeke geskryf deur Jeff Heaton self, 1. Programmering van neurale netwerke met encog3 in C#, 2de uitgawe deur Heaton, Jeff (2 Oktober 2011)2. Inleiding tot neurale netwerke vir C#, 2de uitgawe deur Jeff Heaton (2 Oktober 2008). Dit moet e -boeke hê vir ENCOG -gebruikers.
U kan ook kyk na pluralight -kursus oor "Inleiding tot masjienleer met encog"Dit bevat ook enkele voorbeelde van normalisering en denormalisering.
Wat u navrae betref: "Dit is hier nie duidelik nie, maar hoe u die ontledingsnormalizecsv kan neem en dit na 'n mldataset omskakel om dit eintlik te gebruik."
Wel, u kan AnalystNormalizeCSV gebruik om u opleidingslêer te normaliseer. En dan kan u LoadCSv2Memory of Encogutility Class gebruik om die genormaliseerde opleidingslêer te laai om die ML -datastel te kry. Hier is 'n voorbeeldkode in C#,
var trainingSet = EncogUtility.LoadCSV2Memory(Config.NormalizedTrainingFile.ToString(),
network.InputCount, network.OutputCount,true, CSVFormat.English,false);
Dit neem die genormaliseerde opleidingslêer as eerste parameter, netwerkinvoerneurontelling as tweede, netwerkuitsetneurontelling as derde, vierde parameter is Boolean as u kop in u CSV -lêer het, dan kan u die formaat noem as die vyfde parameter, en sesde Parameter is vir betekenis.
Sodra u hierdie datastel in die geheue het, kan u dit gebruik vir opleiding. Soortgelyke benadering kan ook in kruisvalidering en evalueringstap gebruik word.
Wat denormalisering betref, kan u eers die ontlederslêer volhou, en later kan u ontledingslêer gebruik om ook individuele kolomme te denormaliseer. Byvoorbeeld :
var denormlizedOutput = analyst.Script.Normalize.NormalizedFields[index].DeNormalize(item.Input[index]);
Soortgelyke benadering kan gebruik word in denormaliserende velde om ook klasetikette te kry. Byvoorbeeld
var predictedClass = analyst.Script.Normalize.NormalizedFields[index].Classes[predictedClassInt].Name;