1）完成5.1.5中简答题（1），命名为sy5-1-1.txt。 2）完成5.1.5中实践题第1题，无源码素材，按题目要求命名。 3）完成5.1.5中实践题第2题，源码素材见sy5-1-2.py，按题目要求命名。 以上作业不迟于周六上午9点，提交至水杉码园“学号”仓库的homework10分支下。
水杉码园上的本次作业要求：https://gitea.shuishan.net.cn/AI-B.Liuyao.2022Spring.XinYuan/AllStuRead/issues/14 腾讯工蜂上的本次作业要求：https://git.code.tencent.com/AI-B.Liuyao.2022Spring.XinYuan/lesson10/issues/1 腾讯工蜂上的本次课程材料（课件及素材等）：https://git.code.tencent.com/AI-B.Liuyao.2022Spring.XinYuan/lesson10/tree/master
简答题和实践题第一题命名好像重复了，需要修改吗？
没关系，后缀不同
助教助教，请问这个数据归一化后像46和50这样的数据都被归为了1，这样会不会对后续训练的结果产生影响啊？有没有办法可以提高这个归一化的精度呢？谢谢！
小伙伴你好，归一化操作是以每列为一组进行操作的
助教助教，请问这个数据归一化后像46和50这样的数据都被归为了1，这样会不会对后续训练的结果产生影响啊？有没有办法可以提高这个归一化的精度呢？谢谢！ 小伙伴你好，归一化操作是以每列为一组进行操作的 小伙伴你好，听我说谢谢你。
小伙伴你好，归一化操作是以每列为一组进行操作的 小伙伴你好，听我说谢谢你。
不考虑列之间，也就是各特征之间的相关性，如此归一化是没有影响的。
请问转换器实例化时，前面的不是“minmax_scaler”而是别的名字会有影响吗？
请问转换器实例化时，前面的不是“minmax_scaler”而是别的名字会有影响吗？ 我猜没有
没有影响，此类问题建议自己做做小实验。
请问转换器实例化时，前面的不是“minmax_scaler”而是别的名字会有影响吗？ 没有影响，此类问题建议自己做做小实验。
好的！谢谢助教~
老师，5-1-2没说划分前用不用重排，这种情况是不用重排的意思吗？还是说这种情况按那个默认为True？
设置shuffle为False的话，题中对随机数种子的设置就没意义了
老师，5-1-2没说划分前用不用重排，这种情况是不用重排的意思吗？还是说这种情况按那个默认为True？ 设置shuffle为False的话，题中对随机数种子的设置就没意义了
好的 谢谢 懂了 是我理解错了
请问第一题生成随机矩阵，应该用哪一个函数呢？random.randint还是random.uniform?
请问第一题生成随机矩阵，应该用哪一个函数呢？random.randint还是random.uniform? 我用的是random.randint耶
请问第一题生成随机矩阵，应该用哪一个函数呢？random.randint还是random.uniform? 我用了uniform诶，我觉得都可以吧
randint是随机整数，uniform是均匀分布浮点值，似乎不随机？那随机浮点数用什么？
老师好，我想问一下转换器实例化有什么意义吗，为什么一定要进行一次转换器实例化之后才能对数据进行处理呢
random和randint的区别不就是生成整数值还是浮点值嘛？如果没有特别说明的话应该都是可以的吧
同问同问 我也很好奇（放一个耳朵
请问第一题生成随机矩阵，应该用哪一个函数呢？random.randint还是random.uniform? 或许可以用rand()然后*50.。。。。
请问第一题生成随机矩阵，应该用哪一个函数呢？random.randint还是random.uniform? random和randint的区别不就是生成整数值还是浮点值嘛？如果没有特别说明的话应该都是可以的吧
谢谢babe 那我就随便用了
请问第一题生成随机矩阵，应该用哪一个函数呢？random.randint还是random.uniform? randint是随机整数，uniform是均匀分布浮点值，似乎不随机？那随机浮点数用什么？
都是均匀分布的。。。看错了。好像无所谓哪个了吧~但是均匀分布是随机吗？
建议记为一种规范用法。 我的粗浅解释是：实例化相当于创建一个专用转化器，处理数据时的数据被记录在该实例化对象中，此后可基于原数据产生的模型对新数据进行处理，如样例所示（尽管对于归一化而言这样处理是有问题的，但对于不少处理这种处理方式的继承是有意义的）。
请问第一题生成随机矩阵，应该用哪一个函数呢？random.randint还是random.uniform? random和randint的区别不就是生成整数值还是浮点值嘛？如果没有特别说明的话应该都是可以的吧 谢谢babe 那我就随便用了 应该是uniform吧。没说只要整数，感觉用randint不合适。
请问第一题生成随机矩阵，应该用哪一个函数呢？random.randint还是random.uniform? random和randint的区别不就是生成整数值还是浮点值嘛？如果没有特别说明的话应该都是可以的吧 谢谢babe 那我就随便用了 应该是uniform吧。没说只要整数，感觉用randint不合适。 我是觉得说的是1~50，不是1.0~50.0，所以还是用的整数欸
请问第一题是在归一化的基础上正则化还是分别归一化正则化呢？
未設定截止日期。
This issue currently doesn't have any dependencies.
刪除分支是永久的。 此動作無法復原，繼續？
1）完成5.1.5中简答题（1），命名为sy5-1-1.txt。
2）完成5.1.5中实践题第1题，无源码素材，按题目要求命名。
3）完成5.1.5中实践题第2题，源码素材见sy5-1-2.py，按题目要求命名。
以上作业不迟于周六上午9点，提交至水杉码园“学号”仓库的homework10分支下。
水杉码园上的本次作业要求：https://gitea.shuishan.net.cn/AI-B.Liuyao.2022Spring.XinYuan/AllStuRead/issues/14
腾讯工蜂上的本次作业要求：https://git.code.tencent.com/AI-B.Liuyao.2022Spring.XinYuan/lesson10/issues/1
腾讯工蜂上的本次课程材料（课件及素材等）：https://git.code.tencent.com/AI-B.Liuyao.2022Spring.XinYuan/lesson10/tree/master
简答题和实践题第一题命名好像重复了，需要修改吗？
没关系，后缀不同
助教助教，请问这个数据归一化后像46和50这样的数据都被归为了1，这样会不会对后续训练的结果产生影响啊？有没有办法可以提高这个归一化的精度呢？谢谢！
小伙伴你好，归一化操作是以每列为一组进行操作的
不考虑列之间，也就是各特征之间的相关性，如此归一化是没有影响的。
请问转换器实例化时，前面的不是“minmax_scaler”而是别的名字会有影响吗？
没有影响，此类问题建议自己做做小实验。
好的！谢谢助教~
老师，5-1-2没说划分前用不用重排，这种情况是不用重排的意思吗？还是说这种情况按那个默认为True？
设置shuffle为False的话，题中对随机数种子的设置就没意义了
好的 谢谢 懂了 是我理解错了
请问第一题生成随机矩阵，应该用哪一个函数呢？random.randint还是random.uniform?
randint是随机整数，uniform是均匀分布浮点值，似乎不随机？那随机浮点数用什么？
老师好，我想问一下转换器实例化有什么意义吗，为什么一定要进行一次转换器实例化之后才能对数据进行处理呢
random和randint的区别不就是生成整数值还是浮点值嘛？如果没有特别说明的话应该都是可以的吧
同问同问 我也很好奇（放一个耳朵
谢谢babe 那我就随便用了
都是均匀分布的。。。看错了。好像无所谓哪个了吧~但是均匀分布是随机吗？
建议记为一种规范用法。
我的粗浅解释是：实例化相当于创建一个专用转化器，处理数据时的数据被记录在该实例化对象中，此后可基于原数据产生的模型对新数据进行处理，如样例所示（尽管对于归一化而言这样处理是有问题的，但对于不少处理这种处理方式的继承是有意义的）。
请问第一题是在归一化的基础上正则化还是分别归一化正则化呢？