2024年最全【机器学习】数据预处理 - 归一化和标准化_归一化处理(1)

• 五、归一化原理
• 六、标准化

处理数据之前，通常会使用一些转换函数将「特征数据」转换成更适合「算法模型」的特征数据。这个过程，也叫数据预处理。

比如，我们在择偶时，有身高、体重、存款三个特征，身高是180、体重是180、存款是180000；存款的数值跟其他数据不在一个数量级，这意味着存款的对择偶结果的影响比较大，但我们认为这三个特征同样重要，这时候就需要把这些规格不同的数据转换到同一规格。

「归一化」是常用的预处理方式之一，就是把数据转换到 0~1 之间。

一、数据预处理API

sklearn.preprocessing 是数据预处理的 API

sklearn.preprocessing.MinMaxScaler( feature_range=(0,1) )

• MinMaxScaler.fit_transform（ data ）：接收array类型数据，返回归一化后的array类型数据。

参数：

• feature_range=(0,1)：（可选，默认0~1）指定归一化的范围，。

二、准备数据集

准备一个测试用的「数据集」，这里我们用 datasets 自带的 鸢尾花数据集

from sklearn import datasets

# 获取数据源
iris = datasets.load_iris()
# 打印数据
print(iris.data)

</