包含神经网络：归一化

Question 1

这里有很少的资源，您可以在其中获得有关使用Endog Framework的规范化和否定化的更多详细信息。

这些由杰夫·希顿（Jeff Heaton）本人撰写的伟大电子书，1。用encog3在C＃中的编程神经网络，Heaton，Jeff的第二版（2011年10月2日）2.杰夫·希顿（Jeff Heaton）（2008年10月2日）对C＃的神经网络进行了介绍，这些版本必须具有用于Encog用户的电子书。

您还可以看一下“多元景点”课程”用交流的机器学习简介“，这也包括归一化和否定化的示例。

现在关于您的查询：“尽管如何使用AnalystNormalizecsv并将其转换为MLDATASET来实际使用它，但这里尚不清楚。”

好吧，您可以使用AnalystNormalizecsv来使您的培训文件正常化。然后，您可以使用loadcsv2 -Memory of Encutility类使用归一化训练文件以获取ML数据集。这是C＃中的示例代码

var trainingSet = EncogUtility.LoadCSV2Memory(Config.NormalizedTrainingFile.ToString(), network.InputCount, network.OutputCount,true, CSVFormat.English,false);

它将归一化培训文件作为第一个参数，网络输入神经元计数为第二，网络输出神经元计数为第三，如果您在CSV文件中有标题，则第四参数为boolean，那么您可以提及该格式为第五参数，而第六个参数则是第六名。参数具有显着性。

因此，一旦将此数据集中在内存中，就可以将其用于培训。在交叉验证和评估步骤中也可以采取类似的方法。

关于否定化，您可以首先坚持分析师文件，以后您可以使用分析师文件也可以将单个列变为规范。例如：

var denormlizedOutput = analyst.Script.Normalize.NormalizedFields[index].DeNormalize(item.Input[index]);

类似的方法也可以用于划定字段以获取类标签。例如

var predictedClass = analyst.Script.Normalize.NormalizedFields[index].Classes[predictedClassInt].Name;

Question 2

Encog分析师对于标准化数据非常棒。它可以使用存储在CSV文件中的信息，并自动确定归一化字段及其编码类型（包括N等式编码的1个）。

唯一的缺点是逻辑与ReadCSV类紧密结合。

偏爱扩展而不是修改我决定创建扩展方法和替代类，以创建将通用.NET数据集正常化的分析师。

我还添加了一个新的测试类，向您展示了如何使用它（它与标准Encog实现非常相似）。

using System;
using Microsoft.VisualStudio.TestTools.UnitTesting;
using System.Collections.Generic;
using Encog.ML.Data.Market;
using Encog.ML.Data.Market.Loader;
using Encog.App.Analyst;
using Encog.App.Analyst.Wizard;
using EncogExtensions.Normalization; //<- This is my extension lib
using System.Data;
using System.Linq;     
[TestMethod]
    public void Normalize_Some_In_Memory_Data()
    {
        // Download some stock data
        List<LoadedMarketData> MarketData = new List<LoadedMarketData>();
        MarketData.AddRange(DownloadStockData("MSFT",TimeSpan.FromDays(10)));
        MarketData.AddRange(DownloadStockData("AAPL", TimeSpan.FromDays(10)));
        MarketData.AddRange(DownloadStockData("YHOO", TimeSpan.FromDays(10)));

        // Convert stock data to dataset using encog-extensions
        DataSet dataSet = new DataSet().Convert(MarketData, "Market DataSet");

        // use encog-extensions to normalize the dataset 
        var analyst = new EncogAnalyst();
        var wizard = new AnalystWizard(analyst);
        wizard.Wizard(dataSet);

        // DataSet Goes In... 2D Double Array Comes Out... 
        var normalizer = new AnalystNormalizeDataSet(analyst);
        var normalizedData = normalizer.Normalize(dataSet);

        // Assert data is not null and differs from original
        Assert.IsNotNull(normalizedData);
        Assert.AreNotEqual(normalizedData[0, 0], dataSet.Tables[0].Rows[0][0]);

    }

    private static List<LoadedMarketData> DownloadStockData(string stockTickerSymbol,TimeSpan timeSpan)
    {
        IList<MarketDataType> dataNeeded = new List<MarketDataType>();
        dataNeeded.Add(MarketDataType.AdjustedClose);
        dataNeeded.Add(MarketDataType.Close);
        dataNeeded.Add(MarketDataType.Open);
        dataNeeded.Add(MarketDataType.High);
        dataNeeded.Add(MarketDataType.Low);
        dataNeeded.Add(MarketDataType.Volume);

        List<LoadedMarketData> MarketData =
            new YahooFinanceLoader().Load(
                new TickerSymbol(stockTickerSymbol),
                dataNeeded,
                DateTime.Now.Subtract(timeSpan),
                DateTime.Now).ToList();

        return MarketData;
    }