归一化和标准化

---

一、归一化

由于不同特征值的数值差别可能比较大，因此可以利用归一化对数据进行等比例的缩放到同一小区间内。归一化是以列为操作对象，对每一列的每个数据进行缩放，计算公式如下：

其中max和min为每一列（即每个特征列）数据的最大和最小值。

使用场景：不同特征列的特征值相差比较大，但是那些特征又同等重要的时候使用。
缺点：由于是根据每列的最大最小值得出的缩放值，所以容易受异常点的影响。

sklearn实现代码如下：

from sklearn.preprocessing import MinMaxScaler
def mm():
    m=MinMaxScaler()
    data=m.fit_transform([[90,2,10,40],[60,4,15,45],[75,3,13,46]])
    print(data)

运行结果：

二、标准化

为了减小异常值对数据结果的影响，常用标准化对数据进行处理。标准化即根据数据的均值和标准差将数据化为均值为0，方差为1的数据集。计算公式如下：

使用场景：数据量较大，可能存在异常值的情况

sklearn代码如下（示例）：

from sklearn.preprocessing import StandardScaler
def stds():
    std=StandardScaler()
    data=std.fit_transform([[1,-1.,3.],[2,4.,2],[4,6, -1.]])
    print(data)

运行结果：

总结

归一化与标准化是常用的数据预处理方法。归一化实现的是将数据进行等比例缩放到特定区间的功能。标准化实现的是将数据化成均值为0，标准差为1的数据集，从而减小异常数据对运算的影响的功能。