0.参考文献
关于使用sklearn进行数据预处理 —— 归一化/标准化/正则化
2017.6.3更新:
数据标准化/归一化normalization
归一化与标准化
1.标准化
用的最多的是 z-score标准化
公式为 (X - mean)/ std
计算时对每个属性(每列)分别进行。
将数据按其属性(一般是按列)减去其均值,并除以其标准差,得到的结果是,对每个属性来说,所有数据都聚集在0附近,方差为1.
实现方式:
1. 使用sklearn.preprocessing.scale()函数,可以直接将给定数据进行标准化。
from sklearn import preprocessing
import numpy as np
X=np.array([[1,-1,2],
[2,0,0],
[0,1,-1]])
X_scaled = preprocessing.scale(X)
>>>X_scaled
array([[0. ...,-1.22...,1.33...],
[ 1.22..., 0. ..., -0.26...],
[-1.22..., 1.22..., -1.06...]])
处理后的均值和方差:
X_scaled.mean(axis=0)
array([0,0,0])
X_scaled.std(axis=0)
array([1,1,1])
2.
使用sklearn.prep