sklearn——数据标准化

数据集标准化

函数：
sklearn.preprocessing.scale(X, axis=0, with_mean=True, with_std=True, copy=True)

参数解释：
X : {array-like, sparse matrix}
要标准化的数据，numpy的array类数据。

axis : int (0 by default)
0表示特征的标准化，1表示样本的标准化。默认为0。

with_mean : boolean, True by default
是否中心化。

with_std : boolean, True by default
是否标准化。

copy : boolean, optional, default True
是否复制。

代码实例：

from sklearn.preprocessing import scale
import numpy as np

X = np.array([[ 1.,-1.,2.],[ 2.,0.,0.],[ 0.,1.,-1.]])
x_scale=scale(X=X,with_mean=True,with_std=True,copy=True)
print('原始数据：\n',X)
print('标准化数据：\n',x_scale)

运行结果为：

原始数据：
 [[ 1. -1.  2.]
 [ 2.  0.  0.]
 [ 0.  1. -1.]]

标准化数据：
 [[ 0.         -1.22474487  1.33630621]
 [