数据预处理
文章平均质量分 61
HappyLittleMouse
生活不只是眼前的苟且,还有好好学习,好好吃饭,好好睡觉!
展开
-
数据规范化常用方法对比
目录前言常用的数据规范化方法最小-最大规范化零-均值规范化小数定标规范化前言数据规范化,也叫数据标准化(归一化),是数据变换的一种。由于不同指标的数据之间可能存在较大的差异,为了消除指标之间的量纲和取值范围差异的影响,需要进行规范化处理,将数据按比例进行缩放,使之落入一个特定的区域。通常将数据规范化到 [0,1] 或 [-1,1] 区间内。常用的数据规范化方法最小-最大规范化零-均值规范化小数定标规范化最小-最大规范化零-均值规范化小数定标规范化拓展:数据规范化的代码实现(Pyth原创 2021-04-29 22:14:59 · 2040 阅读 · 0 评论 -
数据规范化的代码实现(Python)
目录前言方法一:通过pandas包实现方法二:通过scikit-learn包实现两种方法对比前言本文通过Python实现三种常见的数据规范化方法,包括最小-最大规范化,零-均值规范化,小数定标规范化。最小-最大规范化(Min-max):x∗=x−minmax−minx^*=\frac{x-min}{max-min}x∗=max−minx−min,min表示最小值,max表示最大值零-均值规范化(Z-score):x∗=x−xˉσx^*=\frac{x-\bar{x}}{\sigma}x∗=σx−x原创 2021-04-29 21:58:52 · 5239 阅读 · 2 评论