다음은 Encog 프레임 워크를 사용하여 정규화 및 피식에 대한 자세한 정보를 얻을 수있는 리소스가 몇 가지입니다.
Jeff Heaton 자신이 쓴이 위대한 전자 책, 1. C#의 Encog3로 신경망을 프로그래밍하여 Heaton, Jeff의 2 판 (2011 년 10 월 2 일)2. Jeff Heaton (2008 년 10 월 2 일)의 C#, 2nd Edition의 신경망에 대한 소개에는 Encog 사용자를위한 eBook이 있어야합니다.
당신은 또한 pluralsight 코스를 볼 수 있습니다.Encog를 사용한 기계 학습 소개"여기에는 정규화 및 피식의 예가 거의 포함되지 않습니다.
이제 귀하의 쿼리와 관련하여 : "분석가 NormalizeCSV를 가져 와서 MLDATASET으로 변환하여 실제로 사용하는 방법은 명확하지 않습니다."
분석법 파일을 정상화하기 위해 AnalystnormalizeCSV를 사용할 수 있습니다. 그런 다음 Encogutility 클래스의 Loadcsv2Memory를 사용하여 정규화 된 교육 파일을로드하여 ML 데이터 세트를 얻을 수 있습니다. 다음은 C#의 샘플 코드입니다.
var trainingSet = EncogUtility.LoadCSV2Memory(Config.NormalizedTrainingFile.ToString(),
network.InputCount, network.OutputCount,true, CSVFormat.English,false);
정규화 된 훈련 파일을 첫 번째 매개 변수로, 네트워크 입력 뉴런 카운트로, 두 번째, 네트워크 출력 뉴런 수는 CSV 파일에 헤더가있는 경우 세 번째, 네 번째 매개 변수는 부울입니다. 그러면 형식을 다섯 번째 매개 변수로 언급 할 수 있습니다. 매개 변수는 중요합니다.
따라서이 데이터 세트가 메모리에 있으면 교육에 사용할 수 있습니다. 교차 검증 및 평가 단계에서도 비슷한 접근법을 취할 수 있습니다.
denormalization과 관련하여 먼저 분석가 파일을 지속 할 수 있으며 나중에 분석 파일을 사용하여 개별 열을 제거 할 수 있습니다. 예를 들어 :
var denormlizedOutput = analyst.Script.Normalize.NormalizedFields[index].DeNormalize(item.Input[index]);
비슷한 접근법은 필드를 제거하여 클래스 레이블을 얻을 수 있습니다. 예를 들어
var predictedClass = analyst.Script.Normalize.NormalizedFields[index].Classes[predictedClassInt].Name;