【特征工程】标准化/正则化/归一化的sklearn代码实现(数据预处理方法)

导入相关包

from sklearn import preprocessing
import numpy as np

1. 标准化

标准化后的数据的均值＝0，标准差＝1

# 标准化
X = np.array([[1,3,4],
              [2,3,0],
              [1,2,4]])
X_scaled = preprocessing.scale(X)
print(X_scaled)

输出：

[[-0.70710678  0.70710678  0.70710678]
 [ 1.41421356  0.70710678 -1.41421356]
 [-0.70710678 -1.41421356  0.70710678]]

2. 正则化

# 正则化
X = np.array([[1,3,4],
              [2,3,0],
              [1,2,4]])
X_normalized= preprocessing.normalize(X,norm='l2') # L2范数。norm : {'l1', 'l2', 'max'}, default='l2'
print(X_scaled)

输出：

[[-0.70710678  0.70710678  0.70710678]
 [ 1.41421356  0.70710678 -1.41421356]
 [-0.70710678 -1.41421356  0.70710678]]

3. 归一化

把数据映射到0～1范围之内

# 归一化
X = np.array([[1,-1,2],
              [2,0,0],
              [-1,2,4]])
min_max_scaler = preprocessing.MinMaxScaler()
X_train_minmax = min_max_scaler.fit_transform(X)
print(X_train_minmax)

输出：

[[0.66666667 0.         0.5       ]
 [1.         0.33333333 0.        ]
 [0.         1.         1.        ]]