数据处理流程

准备

先导入一些包

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier,KNeighborsRegressor
from sklearn.datasets import load_iris
from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2

数据预处理（normalization和standard）

我这里只展示standard

data = [[-1, 2], [-0.5, 6], [0, 10], [1, 18]]

scaler = StandardScaler()               #实例化
scaler.fit(data)                        #fit，本质是生成均值和方差

scaler.mean_                            #查看均值的属性mean_
scaler.var_                             #查看方差的属性var_

x_std = scaler.transform(data)          #通过接口导出结果

x_std.mean()                            #导出的结果是一个数组，用mean()查看均值
x_std.std()                             #用std()查看方差

scaler.fit_transform(data)              #使用fit_transform(data)一步达成结果

# scaler.inverse_transform(x_std)         #使用inverse_transform逆转标准化

处理前：
array([[-1. ,  2. ],
       [-0.5,  6. ],
       [ 0. , 10. ],
       [ 1. , 18. ]])
处理后：
array([[-1.18321596, -1.18321596],
       [-0.50709255,