как я могу изменить масштаб данных в соответствии с распределением Бернулли
Я читал различные статьи, в которых говорилось о стандартизации и нормализации, но ни одна из них не предлагает конкретного примера того, как масштабировать данные с использованием их формул.
Я хотел бы преобразовать данные следующим образом: заданные данные = [x1...xn]rescale (data, n), если они масштабируются до n, сохраняя, например, распределение
eg_1 = np.array([1]) -->rescale(eg, 2) -->[0.5, 0.5]
eg_2 = np.array([1,1]) -->rescale(eg_2, 4) -->[0.5,0.5,0.5,0.5]
eg3 = np.array([0,1]) --> rescale(eg_3,4) --> [0,0,0.5,0.5]
Если возможно, хотелось бы, чтобы было и обратное, например
inv_eg1 = np.array([0.5,0.5,0.5,0.5]) --->inv_rescale(inv_eg1,2) --> [1,1]
Моя первоначальная попытка была просто формулой (сумма переменных в массиве / общая длина массива) * номер диапазона. желаемого диапазона = значение при отсутствии позиции диапазона. но, к сожалению, не сохранил раздачу.
Цель состоит в том, что я хочу применить различные ядра и матрицы разной формы, но я не хочу использовать отступы.
Пожалуйста помоги