认知学习Day3：

一：距离公式：

  1.特征预处理

    归一化：归一化是在特征(维度)非常多的时候，可以防止某一维或某几维对数据影响过大，也是为了把不同来源的数据统一到一个参考区间下，这样比较起来才有意义。其次可以让程序更快地运行。

（2）把有量纲表达式变成无量纲表达式，便于不同单位或量级的指标能够进行比较和加权。归一化是一种简化计算的方式，即将有量纲的表达式，经过变换，化为无量纲的表达式，成为纯量。

（从公式看： 归一化输出范围在0-1之间）

如：

得出的结果：

    标准化：为了防止某一特征对结果影响太大，将每一个特征(每一列)都进行标准化处理，常用的方法是 z-score 标准化，处理后的数据均值为0，标准差为1，满足标准正态分布。

原始数据减均值之后，再除以标准差。将数据变换为均值为0，标准差为1的分布，切记：并非一定是正态的。

                             

（从公式看：标准化输出范围是负无穷到正无穷）

结果如下：

2. KNN算法对鸢尾花分类

  实现流程：

1.获取数据集

2数据基本处理

3数据集预处理-数据标准化

4机器学习(模型训练)

5模型评估

6模型预测

代码如下：

运行的结果：