sklearn.preprocessing.scale

sklearn.preprocessing.scale简介

转载自: sklearn preprocessing （预处理）.

函数：sklearn.preprocessing.scale(X, axis=0, with_mean=True, with_std=True, copy=True)

作用：数据标准化

公式：(X-X_mean)/X_std 计算时对每个属性/每列分别进行。

原理：将数据按其属性（按列进行）减去其均值，然后除以其方差。最后得到的结果是，对每个属性/每列来说所有数据都聚集在0附近，方差值为1。

参数名称	参数意义	默认值
X	待处理的数组	默认
axis	处理哪个维度，0表示处理横向的数据（行）， 1表示处理纵向的数据（列）	0
with_mean	true是表示使均值为0	True
with_std	true表示使标准差为1	True
代码片

---

from sklearn import preprocessing
import numpy as np

if __name__ == '__main__':

    X = np.array([[1., -1., 2.], [2., 0., 0.], [0., 1., -1.]])
    X_scaled = preprocessing.scale(X, axis=0)
    print(X_scaled)
    # scaled之后的数据零均值，单位方差
    print(X_scaled.mean(axis=0))  # column mean: array([ 0.,  0.,  0.])
    print(X_scaled.std(axis=0))  # column standard deviation: array([ 1.,  1.,  1.])