Aqui estão poucos recursos, onde você pode obter informações mais detalhadas sobre normalização e desnormalização usando a estrutura do EcoG.
Esses grandes e-books escritos pelo próprio Jeff Heaton, 1. Programação de redes neurais com EcoG3 em C#, 2ª edição de Heaton, Jeff (2 de outubro de 2011)2.Introdução a redes neurais para C#, 2ª edição de Jeff Heaton (2 de outubro de 2008) Estes devem ter eBooks para usuários de Ecog.
Você também pode dar uma olhada no curso da Pluralsight em "Introdução ao aprendizado de máquina com EcoG"Isso também inclui poucos exemplos de normalização e desnormalização.
Agora, em relação às suas consultas: "Não está claro aqui, porém, como pegar o AnalystNormIlizecsv e convertê -lo em um mldataset para realmente usá -lo".
Bem, você pode usar o AnalystNormIlizecsv para normalizar seu arquivo de treinamento. E então você pode usar o LoadCSv2Memory of Ecogutility Class para carregar o arquivo de treinamento normalizado para obter o conjunto de dados ML. Aqui está um código de amostra em C#,
var trainingSet = EncogUtility.LoadCSV2Memory(Config.NormalizedTrainingFile.ToString(),
network.InputCount, network.OutputCount,true, CSVFormat.English,false);
Ele toma o arquivo de treinamento normalizado como primeiro parâmetro, contagem de neurônios de entrada de rede como segunda, contagem de neurônios de saída de rede como terceiro, o quarto parâmetro é booleano se você tiver cabeçalho no seu arquivo CSV, então você pode mencionar o formato como o quinto parâmetro e o sexto O parâmetro é para significância.
Portanto, depois de ter esse conjunto de dados na memória, você pode usá -lo para treinamento. Abordagem semelhante também pode ser adotada na etapa de validação e avaliação cruzada.
Em relação à desnormalização, você pode primeiro persistir o arquivo do analista e, posteriormente, pode usar o arquivo do analista para desnormalizar colunas individuais também. Por exemplo :
var denormlizedOutput = analyst.Script.Normalize.NormalizedFields[index].DeNormalize(item.Input[index]);
Abordagem semelhante pode ser usada na desnormalização de campos para obter rótulos de classe também. Por exemplo
var predictedClass = analyst.Script.Normalize.NormalizedFields[index].Classes[predictedClassInt].Name;