不同特征的取值范圍千差萬別，常見的解決方法是對不同的特征進行規(guī)范化，使它們的特征值落在相同的值域或從屬于某幾個確定的類別，比如小、中和大。一旦解決這個問題，不同的特征類型對算法的影響將大大降低，分類正確率就能有大幅提升。

選擇具區(qū)分度的特征、創(chuàng)建新特征等都屬于預處理的范疇。scikit-learn的預處理工具叫作轉換器（Transformer），它接受原始數(shù)據(jù)集，返回轉換后的數(shù)據(jù)集。除了處理數(shù)值型特征， 轉換器還能用來抽取特征。在這里，我們只看下對數(shù)值型特征的預處理方法。

下面用MinMaxScaler類進行基于特征的規(guī)范化。

from sklearn.preprocessing import MinMaxScaler

這個類可以把每個特征的值域規(guī)范化為0到1之間。小值用0代替，大值用1代替，其余值介于兩者之間。

接下來，對數(shù)據(jù)集X進行預處理。我們在預處理器MinMaxScaler上調用轉換函數(shù)。有些轉 換器要求像訓練分類器那樣先進行訓練，但是MinMaxScaler 不需要，直接調用 fit_transform()函數(shù)，即可完成訓練和轉換。

X_transformed = MinMaxScaler().fit_transform(X

X_transformed與X行列數(shù)相等，為同型矩陣。然而，前者每列值的值域為0到1。

還有很多其他類似的規(guī)范化方法，對于其他類型的應用和特征類型會很有用。

• sklearn.preprocessing.Normalizer：使每條數(shù)據(jù)各特征值的和為1

• 用sklearn.preprocessing.StandardScaler：使各特征的均值為0，方差為1

• sklearn.preprocessing.Binarizer：將數(shù)值型特征的二值化，大于閾值的為 1，反之為0。

參考資料
《Python數(shù)據(jù)挖掘入門與實踐》

《新程序員》：云原生和全面數(shù)字化實踐50位技術專家共同創(chuàng)作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的标准预处理的全部內容，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(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。