本文介绍了三种常用的数据预处理方法：使用sklearn库的MinMaxScaler进行0-1之间的最小最大值标准化，MaxAbsScaler进行绝对值最大标准化，以及StandardScaler进行Z-Score标准化。这些方法在机器学习中用于归一化和中心化数据，确保不同特征在同一尺度上，提高模型训练效果。
- 最小最大值标准化 MinMaxScaler
from sklearn import preprocessing
min_max_scaler = preprocessing.MinMaxScaler() # 默认为范围0~1,归一化处理,也可以通过参数决定范围,即MinMaxScaler(feature_range=(0, 1))
x_pre = min_max_scaler.fit_transform(x)- 绝对值最大标准化 MaxAbsScaler
from sklearn import preprocessing
max_abs_scaler = preprocessing.MaxAbsScaler() # 归一化处理
x_pre = max_abs_scaler.fit_transform(x)- z-score标准化 StandardScaler
from sklearn import preprocessing
standard_scaler = preprocessing.StandardScaler() # 中心化处理
x_pre = standard_scaler.fit_transform(x)
扫一扫
393
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
