0 နှင့် 1 ကြား numpy အခင်းအကျင်းရှိ တန်ဖိုးများကို ပုံမှန်ဖြစ်အောင် လုပ်နည်း

0 နှင့် 1 ကြား NumPy အခင်းအကျင်းတစ်ခု၏ တန်ဖိုးများကို ပုံမှန်ဖြစ်စေရန်၊ သင်သည် အောက်ပါနည်းလမ်းများထဲမှ တစ်ခုကို အသုံးပြုနိုင်သည်။

နည်းလမ်း 1- NumPy ကိုသုံးပါ။

 import numpy as np

x_norm = (x-np. min (x))/(np. max (x)-np. min (x))

နည်းလမ်း 2- Sklearn ကိုသုံးပါ။

 from sklearn import preprocessing as pre

x = x. reshape (-1, 1)

x_norm = pre. MinMaxScaler (). fit_transform (x)

နည်းလမ်းနှစ်ခုလုံးသည် x သည် သင်ပုံမှန်ပြုလုပ်လိုသော NumPy array ၏အမည်ဖြစ်သည်ဟု ယူဆသည်။

အောက်ဖော်ပြပါ ဥပမာများသည် နည်းလမ်းတစ်ခုစီကို လက်တွေ့အသုံးချနည်းကို ပြသထားသည်။

ဥပမာ 1: NumPy ကို အသုံးပြု၍ တန်ဖိုးများကို ပုံမှန်လုပ်ပါ။

ကျွန်ုပ်တို့တွင် အောက်ပါ NumPy array ရှိသည်ဆိုပါစို့။

 import numpy as np

#create NumPy array
x = np. array ([13, 16, 19, 22, 23, 38, 47, 56, 58, 63, 65, 70, 71])

0 နှင့် 1 ကြားရှိ array အတွင်းရှိ တန်ဖိုးတစ်ခုစီကို ပုံမှန်ဖြစ်စေရန် အောက်ပါကုဒ်ကို အသုံးပြုနိုင်သည်။

 #normalize all values to be between 0 and 1
x_norm = (x-np. min (x))/(np. max (x)-np. min (x))

#view normalized array
print (x_norm)

[0. 0.05172414 0.10344828 0.15517241 0.17241379 0.43103448
 0.5862069 0.74137931 0.77586207 0.86206897 0.89655172 0.98275862
 1. ]

NumPy အခင်းအကျင်းရှိ တန်ဖိုးတစ်ခုစီကို 0 နှင့် 1 ကြားတွင် ပုံမှန်ဖြစ်အောင် ပြုလုပ်ထားသည်။

ဒါက ဘယ်လိုအလုပ်လုပ်သလဲ-

ဒေတာအတွဲတွင် အနည်းဆုံးတန်ဖိုးမှာ 13 ဖြစ်ပြီး အမြင့်ဆုံးတန်ဖိုးမှာ 71 ဖြစ်သည်။

13 ၏ ပထမတန်ဖိုးကို ပုံမှန်ဖြစ်အောင်၊ ယခင်က မျှဝေထားသော ဖော်မြူလာကို အသုံးပြုမည်-

• z _i = (x _i – min(x)) / (max(x) – min(x)) = (13 – 13) / (71 – 13) = 0

16 ၏ ဒုတိယတန်ဖိုးကို ပုံမှန်ဖြစ်စေရန် တူညီသောဖော်မြူလာကို အသုံးပြုပါမည်-

• z _i = (x _i – min(x)) / (max(x) – min(x)) = (16 – 13) / (71 – 13) = 0.0517

19 ၏ တတိယတန်ဖိုးကို ပုံမှန်ဖြစ်အောင်၊ ကျွန်ုပ်တို့သည် တူညီသောဖော်မြူလာကို အသုံးပြုပါမည်-

• z _i = (x _i – min(x)) / (max(x) – min(x)) = (19 – 13) / (71 – 13) = 0.1034

မူရင်း NumPy အခင်းအကျင်းတွင် 0 နှင့် 1 ကြားရှိ တန်ဖိုးတစ်ခုစီကို ပုံမှန်ဖြစ်စေရန် ဤတူညီသောဖော်မြူလာကို အသုံးပြုပါသည်။

ဥပမာ 2: sklearn ကို အသုံးပြု၍ တန်ဖိုးများကို ပုံမှန်လုပ်ပါ။

တစ်ဖန်၊ ကျွန်ုပ်တို့တွင် အောက်ပါ NumPy array ရှိသည်ဆိုပါစို့။

 import numpy as np

#create NumPy array
x = np. array ([13, 16, 19, 22, 23, 38, 47, 56, 58, 63, 65, 70, 71])

0 နှင့် 1 ကြားရှိ array အတွင်းရှိ တန်ဖိုးတစ်ခုစီကို ပုံမှန်ဖြစ်စေရန် sklearn ‘s MinMaxScaler() လုပ်ဆောင်ချက်ကို အသုံးပြုနိုင်ပါသည်။

 from sklearn import preprocessing as pre

#reshape array so that it works with sklearn
x = x. reshape (-1, 1)

#normalize all values to be between 0 and 1
x_norm = pre. MinMaxScaler (). fit_transform (x)

#view normalized array
print (x_norm)

[[0. ]
 [0.05172414]
 [0.10344828]
 [0.15517241]
 [0.17241379]
 [0.43103448]
 [0.5862069]
 [0.74137931]
 [0.77586207]
 [0.86206897]
 [0.89655172]
 [0.98275862]
 [1. ]]

NumPy အခင်းအကျင်းရှိ တန်ဖိုးတစ်ခုစီကို 0 နှင့် 1 ကြားတွင် ပုံမှန်ဖြစ်အောင် ပြုလုပ်ထားသည်။

ဤပုံမှန်တန်ဖိုးများသည် ယခင်နည်းလမ်းကို အသုံးပြု၍ တွက်ချက်ထားသည့်အရာများနှင့် ကိုက်ညီကြောင်း သတိပြုပါ။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် NumPy တွင် အခြားဘုံအလုပ်များကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြသည်-

NumPy အခင်းအကျင်းရှိ အစိတ်အပိုင်းများကို မည်သို့မှာယူမည်နည်း။
NumPy အခင်းအကျင်းမှ ပွားနေသော အစိတ်အပိုင်းများကို မည်ကဲ့သို့ ဖယ်ရှားနည်း
NumPy array တွင် အတွေ့ရအများဆုံးတန်ဖိုးကို မည်သို့ရှာရမည်နည်း။