m0_46144994的博客

一、关于标准化、归一化、Normalizer的总结标准化 StandardScalerList item数据标准化 StandardScaler (基于特征矩阵的列，将属性值转换至服从正态分布) 标准化是依照特征矩阵的列处理数据，其通过求z-score的方法，将样本的特征值转换到同一量纲下 常用与基于正态分布的算法，比如回归归一化 MinMaxScalerm数据归一化 MinMaxScaler （区间缩放，基于最大最小值，将数据转换到0,1区间上的） 提升模型收敛速度，提升模型精度 常见用于

文章转载自：[https://www.cnblogs.com/ZhangHT97/p/13336975.html?utm_source=tuicool]

作图时图例往往都会出现一个图例框内，如果需要不同类型的图例分别显示，比如显示两个图例。基本上，出现两个图例的话，需要调用两次 legend 。第一次调用，你需要将图例保存到一个变量中，然后保存下来。第二次调用清除之前创建的第一个的图例，之后你可以通过 Axes.add_artist 函数手动将第一个图例重新添加回来。...

一、调整字体大小#将三个返回值分别赋给三个变量patches,l_text,p_text=plt.pie(x=tmp, labels =["high", "mid", "low"], autopct = '%0.1f%%', pctdistance = 0.5, shadow = T

PYTHON输出格式对齐采用.format打印输出时，可以定义输出字符串的输出宽度，在 ‘:’ 后传入一个整数, 可以保证该域至少有这么多的宽度。 用于美化表格时很有用。>>> table = {'Google': 1, 'Runoob': 2, 'Taobao': 3}>>> for name, number in table.items(): print('{0:10} ==> {1:10d}'.format(name, number))Ru