数据标准化(也称为数据归一化),它的主要目的是消除不同特征变量量纲级别相差太大造成的不利影响。对于以特征距离为算法基础的机器学习算法(如K近邻算法),数据标准化尤为重要。数据标准化的两种方法——min-max标准化及Z-score标准化。
#(1)min-max标准化
min-max标准化(Min-Max Normalization)也称离差标准化,它利用原始数据的最大值和最小值把原始数据转换到[0,1]区间内,转换公式如下:
import pandas as pd
x=pd.DataFrame({'酒精含量(%)':[50,60,40,80,100],'苹果酸含量(%)':[2,1,1,3,2]})
y=[0,0,0,1,1]
'''这里只需要对特征变量X进行标准化处理,目标变量y不用处理,在Python中可以直接调用min-max标准化的相关模块,代码如下'''
from sklearn.preprocessing import MinMaxScaler
x_new=MinMaxScaler().fit_transform(x)
print(x_new)
&#