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;