本文介绍了数据预处理中的三种关键标准化方法：Z-Score标准化，0-1标准化（最大最小标准化）以及正态化。Z-Score标准化通过减去均值并除以标准差，使数据集中在均值为0，方差为1的分布。0-1标准化则将数据线性变换到[0, 1]区间。正态化则是通过对样本的p-范数除以自身范数，确保处理后样本的p-范数为1。这些方法常用于机器学习和数据挖掘任务中。"
5909580,931882,使用C#与Autocad交互：创建AcadApplication实例,"['C#', 'Autocad', '应用开发']
常用的3种数据标准化方法
1.均值方差标准化(Z-Score标准化)
计算过程：
对每个属性/每列分别进行一下操作，将数据按属性/按列减去其均值，并除以其方差，最终使每个属性/每列的所有数据都聚集在均值为0，方差为1附近。
公式：(x-mean(x))/std(x)
使用sklearn.processing()方法
from sklearn import preprocessing
scaled = preprocessing.scale(data)
使用sklearn.preprocessing.StandardScaler类。
from sklearn.preprocessing import StandardScaler
scaler = Stand
最低0.47元/天 解锁文章
3325
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
