1.z-分数标准化
主要目的:将不同量级的数据统一转化为同一个量级。使数据服从标准正态分布。
…首先计算出全体数据x的均值µ与标准差σ,然后将每个x带入公式进行标准化。
用python对数据进行z-score标准化
import sklearn.preprocessing.StandarScaler
std=StandarScaler()
data_std=std.fit_transform(data)
# 查看列均值、标准差
print(data_std.mean(axis=0)) #0
print(data_std.std(axis=0)) #1
2.Min-Max Nomalizations(归一化)
将数据缩放到(0,1)范围内,且不改变数据的分布形状。
用python对数据进行min-max标准化
import sklearn.preprocessing.MinMaxScaler
min_max=MinMaxScaler()
zeroToOne_data=min_max.fit_transform(data)
# 也可以缩放到其他区间,比如(1,2)区间
min_max2