特征值归一化、缺失数据补全

lz北极熊

已于 2022-05-30 15:14:35 修改

阅读量271

点赞数

文章标签： sklearn 机器学习 python

于 2022-05-30 15:14:29 首次发布

本文链接：https://blog.csdn.net/u012246617/article/details/125047111

版权

主要学习了特征值的归一化处理

有归一化和标准化两种方法

缺失数据补全可以用sklearn的imputer

from sklearn.preprocessing import MinMaxScaler
from sklearn.preprocessing import StandardScaler

def mm():
    mm=MinMaxScaler(feature_range=(2,3))
    data=mm.fit_transform([[90,2,10,40],[60,4,15,45],[75,3,13,46]])
    print(data)
    return None

def stand():
    std=StandardScaler()
    data=std.fit_transform([[1.,-1.,3.],[2.,4.,2.],[4.,6.,-1.]])
    print(data)
    return None


if __name__=="__main__":
    stand()
    mm()