-
min-max归一化
python示例:from sklearn import preprocessing X=[ [1,2,3], [2,2,1], [3,4,5]] #按照列对数据进行归一化 min_max_scaler = preprocessing.MinMaxScaler() X = min_max_scaler.fit_transform(X) print(X)
运行结果:
-
Z-score
归一化后的数据服从正态分布
python示例:
from sklearn import preprocessing #每一行表示一个样本,每一列表示一个属性 X=[ [1,2,3], [2,2,1], [3,4,5]] #按照列对数据进行归一化 X=preprocessing.scale(X) print(X)
运行结果:
-
小数定标法
通过移动属性A的小数点进行规范化,小数点的移动依赖于A的最大绝对值:
例:假定A的取值范围为[-691,14],则A的最大绝对值为691,每个值除以1000(j=3),-691就被规范化为-0.691,14被规范化为0.014
python 示例:
import numpy as np X=[ [1,2,3], [2,2,1], [3,4,5]] X=np.array(X) #按照列对数据进行归一化 j=np.ceil(np.log10(np.max(abs(X)))) X = X/(10**j) print(X)
运行结果:
数据归一化的三种方法
最新推荐文章于 2024-07-16 10:23:12 发布