标准预处理

不同特征的取值范围千差万别，常见的解决方法是对不同的特征进行规范化，使它们的特征值落在相同的值域或从属于某几个确定的类别，比如小、中和大。一旦解决这个问题，不同的特征类型对算法的影响将大大降低，分类正确率就能有大幅提升。

选择具区分度的特征、创建新特征等都属于预处理的范畴。scikit-learn的预处理工具叫作转换器（Transformer），它接受原始数据集，返回转换后的数据集。除了处理数值型特征， 转换器还能用来抽取特征。在这里，我们只看下对数值型特征的预处理方法。

下面用MinMaxScaler类进行基于特征的规范化。

from sklearn.preprocessing import MinMaxScaler

这个类可以把每个特征的值域规范化为0到1之间。小值用0代替，大值用1代替，其余值介于两者之间。

接下来，对数据集X进行预处理。我们在预处理器MinMaxScaler上调用转换函数。有些转 换器要求像训练分类器那样先进行训练，但是MinMaxScaler 不需要，直接调用 fit_transform()函数，即可完成训练和转换。

X_transformed = MinMaxScaler().fit_transform(X

X_transformed与X行列数相等，为同型矩阵。然而，前者每列值的值域为0到1。

还有很多其他类似的规范化方法，对于其他类型的应用和特征类型会很有用。

• sklearn.preprocessing.Normalizer：使每条数据各特征值的和为1

• 用sklearn.preprocessing.StandardScaler：使各特征的均值为0，方差为1

• sklearn.preprocessing.Binarizer：将数值型特征的二值化，大于阈值的为 1，反之为0。

参考资料
《Python数据挖掘入门与实践》