2-3 归一化特征值
一. 使用场景
当我们处理不同取值范围的特征值时,我们通常需要采用将数值归一化的方法,如将数值范围处理为0到1之间或者-1到1之间。
将任意取值范围的特征值转化到0到1区间内的值的方法:newValue = (oldValue - min) / (max - min)
这样最大值就变为1,最小值变为0,其他数据都能落在0到1之间。
二. 函数实现
# 数据归一化处理
def autoNorm(dataSet):
minVals = dataSet.min(0) # min(0):从当前列中取最小值
maxVals = dataSet.max(0)
ranges = maxVals - minVals
normDataSet = np.zeros(np.shape(dataSet))
m = dataSet.shape[0] # 计算样本个数
normDataSet = (dataSet - np.tile(minVals, (m, 1))) / np.tile(ranges, (m, 1))
return normDataSet, ranges, minVals
三. 完整案例
如上节(将文本记录转化为Numpy的函数)的数据案例,进行归一化处理。
(1)代码:
import numpy as np
# 读取文本内容到Numpy数组
def fileToMatrix(filename, featuresCount):
file = open(filename)
contents = file.readlines() # 读取文本内容
contentLines = len(contents) # 读取文本内容的行数
returnMat = np.zeros((contentLines, featuresCount)) # zeros((3,4)):构造3*4的零矩阵
classLabelVector = [] # 用于存放类别
index = 0
for line in contents:
line = line.strip()
listFromLine = line.split('\t')
returnMat[index, :] = listFromLine[0:featuresCount]
catagory = listFromLine[-1]
catagoryNum = -1
if catagory == 'largeDoses':
catagoryNum = 1
elif catagory == 'smallDoses':
catagoryNum = 2
else:
catagoryNum = 3
classLabelVector.append(catagoryNum)
index += 1
return returnMat, classLabelVector
# 数据归一化处理
def autoNorm(dataSet):
minVals = dataSet.min(0) # min(0):从当前列中取最小值
maxVals = dataSet.max(0)
ranges = maxVals - minVals
normDataSet = np.zeros(np.shape(dataSet))
m = dataSet.shape[0]
normDataSet = (dataSet - np.tile(minVals, (m, 1))) / np.tile(ranges, (m, 1))
return normDataSet, ranges, minVals
if __name__ == "__main__":
returnMat, classLabelVector = fileToMatrix('1.txt', 3)
normDataSet, ranges, minVals = autoNorm(returnMat)
print(normDataSet)
(2)运行结果:
查看下一节: 机器学习实战(代码部分)-- k近邻算法(Ⅳ 分类器针对约会网站的测试代码)