c# - 如何加快 Encog.NET 中的标准化速度

Question

我有以下代码来规范我的文档。我的文档包含以下方法来标准化我的 SmallShuffledTrainingData CSV。

static void Normalize()
{
    Console.WriteLine("Normalizing...");
    var analyst = new EncogAnalyst();

    var wizard = new AnalystWizard(analyst);
    wizard.Wizard(SmallShuffledTrainingData, true, AnalystFileFormat.DecpntComma);

    // customer id
    analyst.Script.Normalize.NormalizedFields[0].Action = Encog.Util.Arrayutil.NormalizationAction.PassThrough;

    var norm = new AnalystNormalizeCSV();
    norm.Analyze(SmallShuffledTrainingData, true, CSVFormat.English, analyst);
    norm.ProduceOutputHeaders = true;
    norm.Normalize(SmallShuffledTrainingDataNormalized);
    analyst.Save(AnalystFile);
}

我只想标准化一列，因为它需要很长时间。

我的文档有 332k 行和 25 列。

除了将其分解为越来越小的文档之外，还有什么办法可以加快规范化过程吗？

如果我确实将其分解，我怎么可能将它们合并到一个文档中，因为规范化需要查看所有记录以查找给定列的最高和最低值？

Answer 1

首先，谢谢!在 CSV 向导的分析阶段，速度缓慢是一个“不可扩展性”问题。这会出现在特别大的文件上。我能够使用上面的代码重现该问题。我刚刚在 GitHub 上检查了这个问题的修复。您可以在此处查看提交。

https://github.com/encog/encog-dotnet-core/commit/4f168c04cfd85d647f18dca5c7a2a77fff50c1e5

这将进入 Encog 3.3(尚未发布)。但您可以从 GitHub 获取修复程序。通过此修复，我可以在短短几分钟内标准化类似大小的文件。

其他一些建议。

如果添加此行:

norm.Report = new ConsoleStatusReportable();

您将收到进度更新。

您还需要指定预测字段，否则稍后会遇到错误。像这样的事情:

wizard.TargetFieldName = "字段:1";