Skip to main content
 首页 » 编程设计

python之fancyimpute 的 SoftImpute 是否需要归一化数据

2025年02月15日12luoye11

页面https://pypi.python.org/pypi/fancyimpute有线

# Instead of solving the nuclear norm objective directly, instead 
# induce sparsity using singular value thresholding 
X_filled_softimpute = SoftImpute().complete(X_incomplete_normalized) 

这表明我需要规范化输入数据。但是我没有在互联网上找到任何详细信息,这到底是什么意思。我是否必须事先规范化我的数据以及预期的结果是什么?

请您参考如下方法:

是的,您绝对应该规范化数据。考虑以下示例:

from fancyimpute import SoftImpute 
import numpy as np 
v=np.random.normal(100,0.5,(5,3)) 
v[2,1:3]=np.nan 
v[0,0]=np.nan 
v[3,0]=np.nan 
SoftImpute().complete(v) 

结果是

array([[  81.78428587,   99.69638878,  100.67626769], 
       [  99.82026281,  100.09077899,   99.50273223], 
       [  99.70946085,   70.98619873,   69.57668189], 
       [  81.82898539,   99.66269922,  100.95263318], 
       [  99.14285815,  100.10809651,   99.73870089]]) 

请注意,我放置nan 的地方完全关闭了。但是,如果您改为运行

from fancyimpute import SoftImpute 
import numpy as np 
v=np.random.normal(0,1,(5,3)) 
v[2,1:3]=np.nan 
v[0,0]=np.nan 
v[3,0]=np.nan 
SoftImpute().complete(v) 

(与之前相同的代码,唯一的区别是 v 被归一化了)你得到以下合理的结果:

array([[ 0.07705556, -0.53449412, -0.20081351], 
       [ 0.9709198 , -1.19890962, -0.25176222], 
       [ 0.41839224, -0.11786451,  0.03231515], 
       [ 0.21374759, -0.66986997,  0.78565414], 
       [ 0.30004524,  1.28055845,  0.58625942]]) 

因此,当您使用 SoftImpute 时,不要忘记规范化您的数据(您可以通过将每列的平均值设为 0,将标准差设为 1 来实现)。