数据预处理之标准化(Z-Score)

概念介绍：

将数据按期属性（按列进行）减去其均值，并除以其标准差。得到的结果是，对于每个属性/每列来说所有数据都聚集在0附近，方差为1。

代码示例：

import numpy as np
from sklearn.preprocessing import MinMaxScaler,StandardScaler

def autoNorm(dataset):
    x = dataset[:, 0:1]
    ##method2 Z-socre by Skit-Learn
    std = StandardScaler()
    x_std = std.fit_transform(x)
    print(x_std[2])

    ##method2 Z-socre by formula
    print(np.average(x))
    print(np.std(x))
    print((x[2]-np.mean(x))/np.std(x))

if __name__ == '__main__':
    returnMat, classLabelVector=file2matrix('F:\\datingTestSet2.txt')
    autoNorm(returnMat)

执行结果：

数据集示意：