我有一个从机器学习算法中获得的 float 列表。所有这些 float 都在 0 和 1 之间:
probs = [proba[0] for proba in self.classifier.predict_proba(x_test)]
probs 是我的 float 列表。 predict_proba() 函数通常返回一个 numpy 数组。获取列表大约需要 9 秒,列表最终包含大约 60k 个值。
我想根据列表中的最高值缩放或规范化列表中的所有值。
通常,我会这样做:
maximum = max(probs)
list_values = [proba / maximum for proba in probs]
但对于 60k 值,大约需要 2 分钟。我想让它更短。
你知道我怎样才能参加更好的表演吗?
请您参考如下方法:
如果您不介意使用外部库,numpy可能值得研究:
import numpy
probs = numpy.array([proba[0] for proba in self.classifier.predict_proba(x_test)])
list_values = probs/maximum
