数据规范化

1. Z-Score规范化
   将数据规范到0均值，1方差的标准正态分布上
   处理方法： Z = （X- ц ）/ б

from sklearn import preprocessing
import numpy as np
"""
Z-Score规范化
    将数据规范到0均值，1方差的标准正态分布上
"""
X= [[1, 2, 1, 1],
    [3, 3, 1, 2],
    [3 ,5, 4, 3],
    [5 ,4, 5 ,4],
    [5, 6, 1, 5],
    [6, 5 ,2, 6],
    [8 ,7, 1, 2],
    [9 ,8, 3, 7]]
# 第三方库
Z1=preprocessing.scale(X,axis=0)
print(Z1)

#自己的计算
X = np.array(X)
std = X.var(axis=0)**0.5
OEX = X.mean(axis=0)
Z =  (X - OEX ) / std
print(Z)


#验证
X1 = np.array(Z,dtype='f2')
EX = X1.mean(axis=0)
print(EX)
print(X1.var())

#数据恢复
temp = Z  * std   # Z 8*4 4
print('temp↓ :\n({}\nand shape:\n{})↑'.format(temp,temp.shape))
back_x = temp + OEX
print('恢复后的数据',back_x)