常見的數據標準化方法有以下6種：

1、Min-Max標準化

Min-Max標準化是指對原始數據進行線性變換，將值映射到[0,1]之間

2、Z-Score標準化

Z-Score(也叫Standard Score，標準分數)標準化是指：基于原始數據的均值(mean)和標準差(standard deviation)來進行數據的標準化。

3、小數定標(Decimal scaling)標準化

小數定標標準化是指：通過移動小數點的位置來進行數據的標準化。小數點移動的位數取決于原始數據中的最大絕對值。

4、均值歸一化法

均值歸一化是指：通過原始數據中的均值、最大值和最小值來進行數據的標準化

5、向量歸一化

向量歸一化是指：通過用原始數據中的每個值除以所有數據之和來進行數據的標準化

6、指數轉換

指數轉換是指：通過對原始數據的值進行相應的指數函數變換來進行數據的標準化。進行指數轉換常見的函數方法有lg函數、Softmax函數和Sigmoid函數

實例1：實現數據的標準化

要對原始數據[1,2,3,4,5,6,7,8,9]進行標準化，代碼如下：

"""

Author: Thinkgamer

Desc:

代碼4-1 Python實現標準化方法

"""

import numpy as np

import math

class DataNorm:

def init(self):

self.arr = [1, 2, 3, 4, 5, 6, 7, 8, 9]

self.x_max = max(self.arr) # 最大值

self.x_min = min(self.arr) # 最小值

self.x_mean = sum(self.arr) / len(self.arr) # 平均值

self.x_std = np.std(self.arr) # 標準差

def Min_Max(self):

arr_ = list()

for x in self.arr:

# round(x,4) 對x保留4位小數

arr_.append(round((x - self.x_min) / (self.x_max - self.x_min), 4))

print("經過Min_Max標準化后的數據為:\n{}".format(arr_))

def Z_Score(self):

arr_ = list()

for x in self.arr:

arr_.append(round((x - self.x_mean) / self.x_std, 4))

print("經過Z_Score標準化后的數據為:\n{}".format(arr_))

# 有點問題，改為如下這樣

# def DecimalScaling(self):

# arr_ = list()

# j = self.x_max // 10 if self.x_max % 10 == 0 else self.x_max // 10 + 1

# for x in self.arr:

# arr_.append(round(x / math.pow(10, j), 4))

# print("經過Decimal Scaling標準化后的數據為:\n{}".format(arr_))

def DecimalScaling(self):

arr_ = list()

j = 1

x_max = max([abs(one) for one in self.arr])

while x_max / 10 >= 1.0:

j += 1

x_max = x_max / 10

for x in self.arr:

arr_.append(round(x / math.pow(10, j), 4))

print("經過Decimal Scaling標準化后的數據為:\n{}".format(arr_))

def Mean(self):

arr_ = list()

for x in self.arr:

arr_.append(round((x - self.x_mean) / (self.x_max - self.x_min), 4))

print("經過均值標準化后的數據為:\n{}".format(arr_))

def Vector(self):

arr_ = list()

for x in self.arr:

arr_.append(round(x / sum(self.arr), 4))

print("經過向量標準化后的數據為:\n{}".format(arr_))

def exponential(self):

arr_1 = list()

for x in self.arr:

arr_1.append(round(math.log10(x) / math.log10(self.x_max), 4))

print("經過指數轉換法(log10)標準化后的數據為;\n{}".format(arr_1))

arr_2 = list()

sum_e = sum([math.exp(one) for one in self.arr])

for x in self.arr:

arr_2.append(round(math.exp(x) / sum_e, 4))

print("經過指數轉換法(SoftMax)標準化后的數據為;\n{}".format(arr_2))

arr_3 = list()

for x in self.arr:

arr_3.append(round(1 / (1 + math.exp(-x)), 4))

print("經過指數轉換法(Sigmoid)標準化后的數據為;\n{}".format(arr_3))

if name == "main":

dn = DataNorm()

dn.Min_Max()

dn.Z_Score()

dn.DecimalScaling()

dn.Mean()

dn.Vector()

dn.exponential()

在實現數據標準化中，使用round函數來進行小數后數據位數的保留，如round(x,4)表示的是保留小數點后4位小數

總結

以上是生活随笔為你收集整理的python 标准化_数据标准化的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。