4种数据去量纲化方法—标准化、归一化、正则化

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