机器学习数据预处理规范化两种常用方法

最新推荐文章于 2024-05-07 23:51:50 发布

K2I-

最新推荐文章于 2024-05-07 23:51:50 发布

阅读量398

点赞数 1

分类专栏： Python 文章标签： sklearn 机器学习 python

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/m0_46323635/article/details/120696055

版权

机器学习数据预处理规范化两种常用方法**1，Z-score（Z-分数规范化）**先导入numpy和sklearn库，从sklearn库中导入预处理preprocessingimport numpy as npfrom sklearn import preprocessingX_train = np.array([[ 1., -1., 2.],[ 2., 0., 0.],[ 0., 1., -1.]])x=preprocessing.scale(X_train)print(x)*

摘要由CSDN通过智能技术生成

机器学习数据预处理规范化两种常用方法

**

1，Z-score（Z-分数规范化）

**

零均值规范化

先导入numpy和sklearn库，从sklearn库中导入预处理preprocessing

import numpy as np
from sklearn import preprocessing
X_train = np.array([[ 1., -1.

最低0.47元/天解锁文章

关注

1
点赞
踩
3

收藏

觉得还不错? 一键收藏
1
评论
机器学习数据预处理规范化两种常用方法

机器学习数据预处理规范化两种常用方法**1，Z-score（Z-分数规范化）**先导入numpy和sklearn库，从sklearn库中导入预处理preprocessingimport numpy as npfrom sklearn import preprocessingX_train = np.array([[ 1., -1., 2.],[ 2., 0., 0.],[ 0., 1., -1.]])x=preprocessing.scale(X_train)print(x)*
复制链接

扫一扫

专栏目录

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。