数据挖掘算法原理与实践第二关：线性转换

本关任务：利用sklearn对数据进行非线性转换。

为什么要进行线性转换

如果特征不服从或者近似服从标准正态分布（即，零均值、单位标准差的正态分布）的话，算法的表现会大打折扣，非线性转换就是将我们的特征映射到**均匀分布或者高斯分布(**即正态分布)。

映射到均匀分布

将最大的数映射为1，最小的数映射为1，其他的数按从小到大的顺序均匀分布在0到1之间，如有相同的数则取平均值

代码实现：

from sklearn.preprocessing import QuantileTransformer
import numpy as np
data = np.array([[1],[2],[3],[4],[5]])
quantile_transformer = QuantileTransformer(random_state=666)