scikit-learn的使用_01

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

一、scikit-learn是什么？

scikit-learn 是一个流行的 Python 机器学习库，它提供了大量的工具用于数据挖掘和数据分析。这个库是建立在 NumPy、SciPy 和 Matplotlib 等库的基础上，为数据预处理、模型训练、模型评估等提供了丰富的功能。

二、使用步骤

1.引入库

pip install scikit-learn

2.原始数据

可见四个特征值由于量纲不同，如果同时作用于训练模型，必然导致特征1和特征4影响力很大，而特征2几乎没有影响。所以应用训练之前必须进行归一化或标准化操作。

3.归一化操作

为什么要进行归一化操作？主要是为了简化计算，将数据映射到一个统一的范围内，消除数据之间的量纲差异，使得不同特征之间具有可比性。这里只介绍Min-Max归一化：也称为离差标准化，是将数据缩放到[0,1]区间。具体方法是用原始数据减去最小值，再除以极差（最大值与最小值的差）。公式为：x’ = (x - min) / (max - min)。上述90,60,75归一化后分别是1, 0，0.5

4.scikit-learn中的操作

直接上代码

from sklearn.preprocessing import MinMaxScaler  
import numpy as np  
  
# 创建一个示例数据集  
data = np.array([[90,2,10,40], [60, 4, 15,45], [75, 3,13,46]])  
  
# 初始化 MinMaxScaler  
scaler = MinMaxScaler()  
  
# 对数据进行归一化  
normalized_data = scaler.fit_transform(data)  
  
print(normalized_data)

运行结果如下

---

总结

不过初步的归一化操作还存在问题，例如异常数据的出现会扩大数据上下限的范围，导致归一化结果的偏差。