数据标准化

"""
本类用于实现数据标准化
标准化的目的是使得不同的特征的量级近似或相同
"""
import numpy as np


class DataStandardization:
    # 定义构造函数(构造方法),初始化参数
    def __init__(self, feature, data=None):
        self.feature = feature
        self.data = data


    # 定义Z-score标准化函数
    def Z_ScoreStandardization(self):
        # X_标准化后的数据 = (X - X的均值) / X的标准差
        # 得到均值
        mean = np.mean(self.feature, axis=0)  # axis=0的意思是对每一列的数据进行取平均值操作
        # axis=1就是对每一行操作
        # 得到标准差
        standard_deviation = np.std(self.feature, axis=0)
        # numpy数组会直接把对应列的数值减去对应列的均值,不需要for循环
        feature_standard = (self.feature-mean) / standard_deviation
        return feature_standard


    # 最大最小值标准化函数
    def Max_MinStandardization(self):
        # X' = (X - X_min) / (X_max - X_min)
        max_value = np.max(self.feature, axis=0)
        min_value = np.min(self.feature, axis=0)

        feature_standard = (self.feature-min_value) / (max_value-min_value)
        return feature_standard