1. 归一化
- MinMaxScaler()
sclar = MinMaxScaler() #实例化
sclar = sclar.fit(data) #fit,这里生成min(x)和max(x)
result = sclar.transform(data) #通过接口导出结果
当X中特征数据量太多,fit会报错;可使用partial_fit作为训练接口
可用inverse_transform逆转归一化结果
- 利用numpy实现归一化
归一化详情
x_nor = (x - x.min(axis=0)) / (x.max(axis=0) - x.min(axis=0))
2.标准化
- StandardScaler()
sclar = StandardScaler()
sclar.fit(data)
x_td = sclar.transform(data)
transform返回标准均值为0,标准方差为1
逆转标准化与逆转归一化相同,用inverse_transform()