特征缩放:归一化,标准化

数据集如下:

对比:

代码实现:

#preprocess数据预处理
from sklearn.preprocessing import MinMaxScaler,StandardScaler
#创建一个DataFrame对象
import pandas as pd
a = pd.DataFrame([
    [2104,3,399900],
    [1600,3,329900],
    [2400,3,369000],
    [1416,2,232000],
    [3000,4,539900],
    [1985,4,299900]
],columns=['房屋面积','卧室数量','售价'])
a

#归一化
minmax = MinMaxScaler()
a1 = minmax.fit_transform(a.iloc[:,:-1])  #取前2列
a1

#标准化
std = StandardScaler()
a2 = std.fit_transform(a.iloc[:,:-1])
a2

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

醉翁之意不在酒~

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值