y=MinMaxScaler().fit_transform(x) y与x为同型矩阵,y每列值的值域为0到1
sklearn.preprocessing.Normalizer 每条数据各特征值的和为1
sklearn.preprocessing.StandardScaler 各特征的均值为0,方差为1
sklearn.preprocessing.Binarizer 大于阈值的为1,反之为0
创建流水线分为两步
1.使用MinMaxScaler()将特征取值范围规范到0~1
2.指定KNeighborsClassifier分类器
创建流水线 scaling_pipeline=Pipeline([('scale',MinMaxScaler()),('predict',KNeighborsClassifier())])
交叉检验时,变化为scores = cross_val_score(scaling_pipeline,X,y,scoring='accuracy')