sklearn.preprocessing
是 Scikit-learn中的数据预处理模块,它提供了对数据进行标准化、归一化、缩放等常见操作的功能。其中,在进行数据归一化时,可以使用 MinMaxScaler
类。
from sklearn.preprocessing import MinMaxScaler
def custom_scaler(train, test):
# 创建 MinMaxScaler 对象
scaler = MinMaxScaler()
# 使用 fit_transform() 方法对训练数据进行归一化
train_scaled = scaler.fit_transform(train)
# 使用 transform() 方法对测试数据进行归一化(使用训练数据的缩放参数)
test_scaled = scaler.transform(test)
return train_scaled, test_scaled
#用之前已经导入的matplotlib.pyplot中的plot方法显示散点图
X_train, X_test = custom_scaler(X_train, X_test) #对特征归一化
y_train, y_test = custom_scaler(y_train, y_test) #对标签也归一化
plt.plot(X_train, y_train, 'b.', label='Training data') # 显示训练数据
plt.xlabel('wechat') # x轴标签
plt.ylabel('sales') # y轴标签
plt.legend() # 显示图例
plt.show() # 显示绘图结果