概念介紹：

歸一化是利用特征的最大最小值，將特征的值縮放到[new_min,new_max]區間，對于每一列的特征使用min-max函數進行縮放，計算公式如下

代碼示例：

import numpy as np from sklearn.preprocessing import MinMaxScaler,StandardScaler### Machine LearningAction Chapter2 rewrite def file2matrix(filename):data= np.genfromtxt(filename,delimiter="\t")returnMat=data[:,0:3]classLabelVector=data[:,3:4]return returnMat,classLabelVectordef autoNorm(dataset):x = dataset[:, 0:1]#method1 用skit-learn封裝的MinMaxScaler處理minMax = MinMaxScaler()x_std = minMax.fit_transform(x)print(x.min())print(x.max())print(x[2])print((26052-0)/91273)print(x_std[2])##method2 use lambdaa = lambda x: (x -x.min())/(x.max()-x.min())print(a(x)[2])if __name__ =='__main__':returnMat,classLabelVector=file2matrix('F:\\datingTestSet2.txt')autoNorm(returnMat)

執行結果：

數據集示意：

?

總結

以上是生活随笔為你收集整理的数据预处理之归一化(normalization)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。