python矩阵标准化_归一化----标准化---正则化----Python的实现

1、(0,1)标准化：

from sklearn.preprocessing import MinMaxScaler

这是最简单也是最容易想到的方法，通过遍历feature vector里的每一个列数据，将Max和Min的记录下来，并通过Max-Min作为基数(即Min=0，Max=1)进行数据的归一化处理：

def MaxMinNormalization(x,Max,Min):

x = (x - Min) / (Max - Min);

return x;

'''

sklearn 包就是这么处理的，输入必须是二维数组，每个尺度是纵向分的，

举个例子X_train为(2,3)矩阵，Min为第一列的最小值，第二列的最小值，第三列的最小值

Max 为第一列的最大值，为第一列的最大值，第二列的最大值

下面的例子结果：temp

array([[0., 1., 0.],

[1., 0., 1.]])

scaler.scale_ 为 1/ (Max - Min)

array([0.5 , 0.5 , 0.33333333])

'''

import numpy as np

from sklearn.preprocessing import MinMaxScaler

X_train = np.array([[ 2., 4., 2.],

[4, 2, 5]

])

scal