特征缩放
特征缩放是数据处理中很重要的一环,因为各个特征之间如果数量级差距过大,会导致梯度下降很难去收敛,今天所用到的是特征缩放的经典算法,标准化。
含义是:数据减去数据集的均值,再除以数据的标准差
公式是:X(数据集)= (X - np.mean(X,axis=0))/(np.std(X,axis=0))
其中的参数axis = 0 表示对矩阵的列进行操作
代码如下
import numpy as np
from matplotlib import pyplot as plt
# 读取数据
data = np.loadtxt(r'D:\PycharmProjects\MachineLearning\day03\ex1data2.txt',delimiter=',')# delimiter表示用什么分隔符切割数据
# 数据提取
X = data[:,:-1]
y = data[:,-1]
# 数据预处理
def reprocess(X,y):
# 特征缩放
fenzi = X - np.mean(X,axis=0)
fenmu = np.std(X,axis=0,ddof=1)
X = fenzi/fenmu
# 数据拼接
X = np.c_[np.ones(len(X)),X]
y = np.c_[y]
return X,y
# 调用数据处理函数,获得处理好的数据
X,y = reprocess(X,y)
# 将数据切割为训练集和预测集
d = int(0.7 * len(X))
X_train,X_test = np.split(X,[d])
y_train,y_test &