Python数据分析学习笔记：使用SciKit-Learn进行数据规范化

已于 2022-03-27 19:58:34 修改
阅读量897 收藏
点赞数 1
分类专栏： AI - 机器学习 - 深度学习 文章标签： 规范化
于 2019-10-28 15:29:02 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/howard2005/article/details/102778309
版权
本文介绍了Python中使用SciKit-Learn进行数据规范化的方法，包括Min-Max规范化、Z-Score规范化和小数定标规范化。详细讲解了每个方法的公式、实现步骤，并提供了实际操作示例。
摘要由CSDN通过智能技术生成

Python数据分析学习笔记：使用SciKit-Learn进行数据规范化

数据规范化是数据挖掘的一项基础工作。不同评价指标往往具有不同的量纲，数值见的差别可能很大，不进行处理可能会影响到数据分析的结果。为了消除指标之间的量纲和取值范围差异的影响，需要进行标准化处理，将数据按照比例进行缩放，使之落入一个特定的区域，比如[0, 1]，便于进行综合分析。

SciKit-Learn是Python的重要机器学习库，封装了大量的机器学习算法，比如分类、聚类、回归、降维等，此外，还包括了数据变换模块，下面我们来学习使用SciKit-Learn提供的数据转换模块进行数据规范化。

一、Min-Max规范化

Min-Max规范化也称为离散标准化，是对原始数据的线性变换，将数据值映射到[0, 1]之间。

公式：新数值 = (原数值 - 最小值) / (最大值 - 最小值)

SciKit-Learn里有个MinMaxScaler函数可以将原始数据映射到[min, max]区间，默认情况下，

了解本专栏 订阅专栏 解锁全文 超级会员免费看
howard2005
关注
专栏目录
订阅专栏
《机器学习实战：基于Scikit-Learn、Keras和TensorFlow第2版》-学习笔记（7）：集成学习和随机森林
Morganfs的博客
05-05 1448
· Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition, by Aurélien Géron (O’Reilly). Copyright 2019 Aurélien Géron, 978-1-492-03264-9. · 《机器学习》周志华 · 环境：Anaconda（Python 3.8） + Pycharm · 学习时间：2022.05.05~2022.05.05 第六章 集成学习和随机森林 .
四、数据标准化 Scikit-learn Preprocessing
Nicole的博客
06-08 989
一、标准化、去均值、方差缩放（variance scaling） 1.原理介绍    通过将属性值按比例缩放，使之落入一个小的特定区间，如0.0~1.0，对属性规范化。有很多数据规范化的方法，这里我们将介绍三种：最小--最大规范化，z-score规范化，按小数定标规范化和最大绝对值缩放。 下面简单介绍着几种规范化的原理： （1）最小--最大规范化               最小--最...
数据标准化——scikit-learn
yzy的博客
11-16 423
标准化 目的：使各个特征都具有均值零和单位方差，因为很多机器学习算法都要求样本的中心在0附近，并且各个样本的方差具有相同的数量级，如果某个特征的方差过大，它将在算法中占据很大作用，影响算法从特征集中的学习效果 scikit learning中原文表述： 程序  from sklearn.preprocessing import StandardScaler scaler=Standa...
Python 之Scikit-learn（五） -- Scikit-learn提供的数据集及其详细介绍
最新发布
wodertianna的博客
08-09 884
Scikit-learn库中包含了一些内置的标准数据集，这些数据集通常用于学习、测试和验证机器学习算法。以下是一些常见的Scikit-learn内置数据集及其详细介绍，以及如何获取这些数据的方法。
scikit-learn数据标准化
weixin_52075272的博客
10-24 196
五种标准化：StandardScaler, MinMaxScaler, RobustScaler, MaxAbsScaler, Normalizer
《scikit-learn》数据标准化与SVM之SVC
qq_29367075的博客
01-30 1546
这一章节我们能学到SVC作为分类器的简单使用。 先来看看对数据进行标准化的方式 标准化的目的与归一化一样，都是为了避免某个特征的重要程度过大或过小。 标准化的优点：受异常点的影响较小。 适用于繁杂大数据。 from sklearn.preprocessing import StandardScaler # 标准化处理 std = StandardScaler() # （fit_transform()等同于fit()填充数据 + tansform()转换数据）(tansform转换器转换数据时所依赖的均值
scikit learn标准化数据
panghaomingme的博客
11-09 590
from sklearn import preprocessing import numpy as np a=np.array([[10,2.7,3.6], [-100,5,-2], [120,20,40]],dtype=np.float64) print(a) print(preprocessing.scale(a))#正则化数据运行结果，正则前和正则
Python版数据挖掘实验2报告：使用 Scikit-learn中的 K近邻算法进行分类.pdf
06-23
### Python版数据挖掘实验2报告：使用 Scikit-learn中的 K近邻算法进行分类 #### 实验背景与目的 在本实验中，我们将探讨如何利用Python中的Scikit-learn库来实现K近邻(K-Nearest Neighbors, KNN)算法进行分类任务...
《机器学习实战：基于Scikit-Learn、Keras和TensorFlow第2版》-学习笔记（4）：训练模型
Morganfs的博客
04-16 1602
第四章 训练模型 · Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition, by Aurélien Géron (O’Reilly). Copyright 2019 Aurélien Géron, 978-1-492-03264-9. · 环境：Anaconda（Python 3.8） + Pycharm · 学习时间：2022.04.16~2022.04.？ 到目前为止，我们已经探讨了不同机器学
Python版数据挖掘实验2报告：使用 Scikit-learn中的 K近邻算法进行分类.docx
07-01
### Python版数据挖掘实验2报告：使用 Scikit-learn中的 K近邻算法进行分类 #### 实验背景与目的 在本实验中，我们通过实践学习如何利用Python中的Scikit-learn库实现K近邻(KNN)算法进行分类任务。KNN是一种基于...
[Scikit-Learn] - 数据预处理 - 归一化/标准化/正则化
bbbeoy的专栏
06-24 845
reference: http://www.cnblogs.com/chaosimple/p/4153167.html   一、标准化（Z-Score），或者去除均值和方差缩放 公式为：(X-mean)/std  计算时对每个属性/每列分别进行。 将数据按期属性（按列进行）减去其均值，并处以其方差。得到的结果是，对于每个属性/每列来说所有数据都聚集在0附近，方差为1。
Python sklearn学习之数据预处理——标准化
热门推荐
洪城浪子的博客
08-01 1万+
Python sklearn学习之数据预处理——标准化 文章目录Python sklearn学习之数据预处理——标准化1. 数据集常见标准化方式min-max标准化(Min-Max-normalization)z-score 标准化(zero-mean-normalization)2. 数据标准化实现2.1 z-score 标准化(zero-mean-normalization)2.1.1 Sta...
机械学习 - scikit-learn - 数据预处理 归一化与标准化- 2
Muxiu
03-11 1183
目录关于 scikit-learn 实现规范化的方法详解一fit_transform 方法1. 最大最小归一化手动化与自动化代码对比演示 1：2. 均值归一化手动化代码演示：3. 小数定标归一化手动化代码演示：4. 零-均值标准化(均值移除)手动与自动化代码演示：fit、transform 是什么？1. MinMaxScaler 归一化接口的 fit 拟合函数MinMaxScaler 的 fit 拟合函数代码演示：2. StandardScaler 标准化接口的 fit 拟合函数StandardScaler
python的sklearn示例_Python使用sklearn实现的各种回归算法示例
weixin_42521628的博客
02-10 789
Python使用sklearn实现的各种回归算法示例本文实例讲述了Python使用sklearn实现的各种回归算法。分享给大家供大家参考，具体如下：使用sklearn做各种回归基本回归：线性、决策树、SVM、KNN集成方法：随机森林、Adaboost、GradientBoosting、Bagging、ExtraTrees1. 数据准备为了实验用，我自己写了一个二元函数，y=0.5np.sin(x1...
【Scikit-learn】【模型预处理-2-数据整理】数据标准化调整：把数据调整为标准正态分布
蔚蓝的天空Tom
06-05 1691
1.标准正态分布概念详细的概念可以www.baidu.com，或者看以前写的文章。标准正态分布又称为u分布，是以0为均数、以1为标准差的正态分布，记为N（0，1）。如下图，绿色绿色就代表了标准正态分布：2.数据标准化调整2.1简介许多机器学习算法在具有不同范围特征的数据中呈现不同的学习效果。SVM（Support Vector Machine，支持向量机）在没有标准化调整过的数据中表现很差，因为可...
python数据分析与应用：使用scikit-learn构建模型分析 第六章实训（1,2）
weixin_48676558的博客
04-26 3251
1、掌握skleam转换器的用法。 2、掌握训练集、测试集划分的方法。 3、掌握使用sklearm进行PCA降维的方法。 4、掌握 sklearn 估计器的用法。 5、掌握聚类模型的构建与评价方法。 6、掌握分类模型的构建与评价方法。 7、掌握回归模型的构建与评价方法。
Python 实操案例：一文详解10种聚类算法
Python学习与数据挖掘
03-31 8770
聚类或聚类分析是无监督学习问题。它通常被用作数据分析技术，用于发现数据中的有趣模式，例如基于其行为的客户群。有许多聚类算法可供选择，对于所有情况，没有单一的最佳聚类算法。相反，最好探索一系列聚类算法以及每种算法的不同配置。在本教程中，你将发现如何在 python 中安装和使用顶级聚类算法。 完成本教程后，你将知道： 聚类是在输入数据的特征空间中查找自然组的无监督问题。 对于所有数据集，有许多不同的聚类算法和单一的最佳方法。 在 scikit-learn 机器学习库的 Python 中如何实现、适
Python Scikit-learn实战：构建机器学习分类器
"本文是关于使用Scikit-learn在Python中构建机器学习分类器的入门教程，主要聚焦于使用Naive Bayes分类器对乳腺癌肿瘤数据进行预测。通过本教程，读者将学习如何设置Python环境，特别是安装和使用Jupyter Notebook...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

howard2005

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值