Step 2: Normalise Columns چالش 2 از جلسهی 28، متوسط
قدم دوم: تابع normalise(X) بنویس که برای هر ستون j کمترین و بیشترین را پیدا کند، هر مقدار را به (v - lo) / (hi - lo) تبدیل کند و سه چیز برگرداند: X نرمالشده، لیست los و لیست his. برنامه سطر اول نرمالشده (گرد با دو رقم) و los را چاپ میکند: [0.0, 0.0, 0.13] و [60.0, 1.0, 2.0].
X = [[60.0, 1.0, 5.0], [75.0, 2.0, 10.0], [90.0, 2.0, 3.0], [110.0, 3.0, 15.0],
[130.0, 3.0, 8.0], [150.0, 4.0, 20.0], [80.0, 2.0, 25.0], [100.0, 3.0, 2.0]]
def normalise(X):
los = []
his = []
# find lo and hi of every column j
# build new rows
return X, los, his
Xn, los, his = normalise(X)
print([round(v, 2) for v in Xn[0]])
print(los)
راهنما و جواب این چالش · برگشت به درس جلسهی 28: پروژه: پیشبینی قیمت · چالش بعدی: Step 3: Train
بیشتر بخوان: تابع در پایتون: آموزش def، پارامتر و return با مثال