Вот несколько ресурсов, где вы можете получить более подробную информацию о нормализации и денормализации, используя структуру ENCOG.
Эти великие электронные книги, написанные самим Джеффом Хиттоном, 1. Программирование нейронных сетей с ENCOG3 в C#, 2 -е издание Heaton, Джефф (2 октября 2011 г.)2. Введение в нейронные сети для C#, 2 -е издание Джеффа Хитона (2 октября 2008 г.). Они должны иметь электронные книги для пользователей Encog.
Вы также можете взглянуть на курс Pluralsight на "Введение в машинное обучение с помощью Encog«Это также включает в себя несколько примеров нормализации и денормализации.
Теперь относительно ваших запросов: «Здесь неясно, как взять анализнормализой и преобразовать его в mldataset, чтобы фактически использовать его».
Ну, вы можете использовать AnalystNormalizecsv для нормализации вашего обучающего файла. И затем вы можете использовать LoadCSV2 -Mememory класса Enogutility для загрузки нормализованного обучающего файла для получения набора данных ML. Вот пример кода в C#,
var trainingSet = EncogUtility.LoadCSV2Memory(Config.NormalizedTrainingFile.ToString(),
network.InputCount, network.OutputCount,true, CSVFormat.English,false);
Он принимает нормализованный учебный файл в качестве первого параметра, считать сетевой входной нейроны как второе, количество сетевых выходных нейронов как третий, четвертый параметр является логическим, если у вас есть заголовок в вашем файле CSV, то вы можете упомянуть формат как пятый параметр и шестой Параметр для значимости.
Так что, как только у вас есть этот набор данных в памяти, вы можете использовать его для обучения. Аналогичный подход также может быть принят на шаге перекрестной проверки и оценки.
Что касается денормализации, вы можете сначала сохранить файл аналитиков, а затем вы можете использовать файл аналитиков для обозначения отдельных столбцов. Например :
var denormlizedOutput = analyst.Script.Normalize.NormalizedFields[index].DeNormalize(item.Input[index]);
Аналогичный подход может быть использован в денормализующих полях, чтобы получить метки классов. Например
var predictedClass = analyst.Script.Normalize.NormalizedFields[index].Classes[predictedClassInt].Name;