@R星校长
第3
关:归一化
任务描述
本关任务:利用sklearn
对数据进行归一化。
相关知识
为了完成本关任务,你需要掌握:1.
为什么使用归一化,2.
L1范式归一化,3.
L2范式归一化。
为什么使用归一化
归一化是缩放单个样本以具有单位范数的过程。归一化实质是一种线性变换,线性变换有很多良好的性质,这些性质决定了对数据改变后不会造成“失效”,反而能提高数据的表现,这些性质是归一化的前提。归一化能够加快模型训练速度,统一特征量纲,避免数值太大。 值得注意的是,归一化是对每一个样本做转换,所以是对数据的每一行进行变换。 而之前我们讲过的方法是对数据的每一列做变换。
L1范式归一化
L1
范式定义如下:
表示向量x
中每个元素的绝对值之和。
L1
范式归一化就是将样本中每个特征除以特征的L1
范式。
在sklearn
中使用normalize
方法实现,用法如下:
from sklearn.preprocessing import normalize
data = np.array([[-1,0,1],
[1,0,1],
[1,2,3]])
data = normalize(data,'l1')
>>>data
array<