区间缩放，标准化，归一化

最新推荐文章于 2025-03-19 16:11:19 发布
最新推荐文章于 2025-03-19 16:11:19 发布
阅读量5.3k 收藏 10
点赞数 4
文章标签： 缩放
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/jindayue/article/details/120260315
版权

1. 区间缩放（Rescaling）

  • min max缩放，到[0,1]区间
    公式：其中X.min和X.max代表原始区间内的最小值和最大值；
    在这里插入图片描述

  • 缩放到另外的区间
    公式：先将数据缩放到[0,1]区间，再乘以对应区间的差加上新区间最小值，其中min、max代表新区间的最小值和最大值。
    在这里插入图片描述

2. 标准化

其中u是均值，sigma是标准差/方差？在这里插入图片描述

3. 归一化

在这里插入图片描述

4. 二值化

在这里插入图片描述

jindayue
关注
标准化和归一化概念澄清与梳理
Laurence的技术博客
01-16 1850
由于翻译和命名上的歧义性以及各种误传误用，特征缩放领域里的术语和概念非常混乱，包括：标准化、正规化、正则化、归一化、Standardization、Normalization在内的这些概念既有关联又有差异，再加上它们的原始出处已基本都不可考，所以被大量混用和滥用，在一些劣质文章中会经常看到张冠李戴或相互矛盾的说法。本文我们会尽量结合字面含义和多数资料的描述，对这些概念做一轮梳理。
Sklearn标准化和归一化方法汇总(1)：标准化 / 标准差归一化 / Z-Score归一化
Laurence的技术博客
01-17 5419
标准化 / 标准差归一化 / Z-Score归一化的算法是：先求出数据集（通常是一列数据）的均值和标准差，然后所有元素先减去均值，再除以标准差，结果就是归一化后的数据了。经标准差归一化后，数据集整体将会平移到以0点中心的位置上，同时会被缩放到标准差为1的区间内。要注意的是数据集的标准差变为1，并不意味着所有的数据都会被缩放到[-1,1]之间，下文有示例为证。
sklearn实现区间缩放法
qq_35358021的博客
11-16 877
import numpy as np from sklearn.preprocessing import MinMaxScaler X = np.array([ [1,-1,2,3], [2,0,0,3], [0,1,-1,3] ],dtype = np.float64) scaler = MinMaxScaler(feature_range=(1,5)) scaler.fit(X) p...
如何将一组数据从一个区间缩放到另一区间?
热门推荐
好儿郎~志在四方
01-15 1万+
如何将一组数据从一个区间缩放到另一区间?
numpy学习笔记12：实现数组的归一化（0-1范围）
最新发布
fen_fen的专栏
03-19 918
numpy学习笔记12：实现数组的归一化（0-1范围）
将原本属于[min,max]的数据放缩到任意区间[a,b]
Galen_xia的博客
07-23 3553
1. 找到原本数据的最大值max，最小值min 2. 计算放缩系数：k=（b-a）/（max-min） 3. 原来数据x经过放缩得到y = a + k *（x-min）或者 y = b + k *（x-max） 参考链接：https://blog.csdn.net/weixin_36677127/article/details/83187816 ...
数据“归一化”到指定区间
liuql的博客
02-22 9021
通常我们归一化到0-1，有时候我们需要归一化到其他区间，这样算一下就可以 首先找到数列的最小值m及最大值M 如果指定的区间是[a,b] 即：m-->a, M-->b 系数为：k=（b-a)/(M-m) 对任意项Xn, 变成：a+k(Xn-m) 即得.
数据处理之范围缩放
weixin_45081640的博客
06-15 1226
范围缩放 将样本矩阵中的每一列的最小值和最大值设定为相同的区间, 统一各列特征值的范围. 一般情况下,会把特征区间缩放至[0,1]. [17, 20, 23] 如何使这组数据的最小值等于0: [0, 3, 6] 如何使这组数据的最大值等于1: [0, 1/2, 1] 范围缩放相关API: # 创建MinMaxScaler缩放器对象 mms = sp.MinMaxScaler(feature_range=(0, 1)) # 调用方法执行范围缩放 结果矩阵 = mms.fit_transform(原始矩阵)
使用sklearn进行对数据标准化、归一化以及将数据还原的方法
12-25
标准化则是将数据按照比例缩放，使之放到一个特定区间中。标准化后的数据的均值＝0，标准差＝1，因而标准化的数据可正可负。 二、使用sklearn进行标准化和标准化还原 原理： 即先求出全部数据的均值和方差，再进行...
深入理解数据预处理：标准化与归一化的区别及实现
11-04
而归一化则是将数据缩放到一个固定的范围内，通常是[0, 1]或者[-1, 1]。归一化是通过将每个特征值减去最小值并除以它的范围（最大值减最小值）来实现的。这种方法适用于数值范围差异较大的数据，或者当希望特征值的...
特征缩放：深入理解标准化与归一化
Lostgreen的博客
02-04 605
理解特征缩放的本质是掌握现代机器学习的重要基础。标准化通过方差对齐消除量纲差异，而归一化通过边界约束实现尺度统一。实际应用中建议通过交叉验证对比两种方法的效果，根据具体数据和算法特性做出最佳选择。
特征工程（2）-数据预处理区间缩放法
weixin_30654419的博客
05-08 678
https://www.deeplearn.me/1383.html 区间缩放法原理 最常见的就是使用最大最下值来进行处理，处理的公式如下 y=x−minmax−miny=x−minmax−min 上述公式中 min 代表数据最小值，max 代表数据最大值 from sklearn.preprocessing import MinMaxScaler tmp=MinM...
数据预处理之数据缩放
初
09-11 2392
​ 在实践中，同一个数据集合中经常包含不同类别的变量。一个很大的问题是这些变量的值域可能大不相同。如果使用原值域将会使得值域大的变量被赋予更多的权重。针对这个问题，我们需要在数据预处理时对自变量或特征使用缩放的方法。特征缩放的目的是使得所有特征都在相似的范围内，因此建模时每个特征都会变得同等重要，并且更便于机器学习的算法进行处理。xscaled​scalex−center​​ 上面式子中，xscaled​表示缩放后的数据，
python实现将数据标准化到指定区间[a,b]+正向标准化+负向标准化
2301_81199775的博客
04-18 1255
python实现将数据标准化到指定区间[a,b]+正向标准化+负向标准化
【Python那些事儿】数据放缩
困而学之，学思并重
06-29 7194
讨论如何对数据进行放缩： 放缩是一种非常重要的数据转换手段； 对数据进行放缩之后，能够控制数值的范围； 数据集里有很多列的时候，数据较大的列对于其他列更有优势，必须对数据进行放缩以避免这种干扰。 操作方法缩放到[0, 1]区间import numpy as np np.random.seed(10) x = [np.random.randomint(10, 25)*1.0 for i in rang
python实现标准化到某个区间[a,b]
zhuiyunzhugang的博客
11-04 1313
def demoo(value): a=-1 b=1 k = (b-a)/(max(value)-min(value)) return [a+k*(x-min(value)) for x in value] if __name__ == '__main__': y=[0,10,0,1,3,4,5,6,9,9] #print(normalization(y)) transform_value =demoo(y) print(transform_.
标准化缩放：计算均值和方差并对数据进行标准化（R语言）
DevPhantom的博客
08-19 450
它通过计算数据列的均值和方差，并将数据按照一定比例进行缩放，以确保数据具有相似的尺度。一旦我们计算出数据列的均值和方差，我们可以使用这些统计量来对数据进行标准化缩放。通过以上步骤，我们成功计算了数据列的均值和方差，并对数据进行了标准化缩放。希望本文能够帮助您了解如何使用R语言计算所有数据列的均值和方差，并对数据列进行标准化缩放。在本文中，我们将使用R语言来计算数据列的均值和方差，并对数据进行标准化缩放。函数将数据框中的每个数据列进行标准化缩放，并返回一个新的数据框。函数用于对数据框的每一列应用指定的函数。
归一化讲解
doswynkfsw的博客
11-11 1182
归一化数据的目标，是为了让数据的分布变得更加符合期望，增强数据的表达能力。
数据归一化方法部分整合
琼雪染枫华的博客
04-03 806
一. 将数据归一化到任意区间范围的方法： X是当前数据区间，[Xmin,Xmax]\left[ X_{min},X_{max} \right][Xmin​,Xmax​]又可视为当前样本数据的最小值和最大值， Y是要映射归一化到的区间，[Ymin,Ymax]\left[ Y_{min},Y_{max} \right][Ymin​,Ymax​]， x是现有的样本数据中需要归一化的任一值， y是x对...
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
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