导入包:
from sklearn.preprocessing import MinMaxScaler
定义归一化对象:
scaler = MinMaxScaler(feature_range=(0, 1)) #将数据归一到0到1,可以根据数据特点归一到-1到1
归一化数据:
mydata = scaler.fit_transform(mydata) #归一化
经过计算之后,反归一化
mydata = scaler.inverse_transform(mydata) #反归一化
注意事项:
原始数据归一化之后,然后进行模型计算,将计算结果反归一化时,要保证与原始数据具有相同的列数,并且计算结果的每列数据要与原始数据的列数一一对应。
归一化保存与加载链接:
python 归一化保存与加载_wh来啦的博客-CSDN博客
归一化作用:
忽略数据本身的属性,例如大小,长度。重视数据与数据之间的联系,例如相对长度,相对大小