python scale标准化函数,Python数据预处理(sklearn.preprocessing)—归一化(MinMaxScaler)，标准化(StandardScaler)，正则化(Norma...

关于数据预处理的几个概念

归一化 (Normalization)：

属性缩放到一个指定的最大和最小值(通常是1-0)之间，这可以通过preprocessing.MinMaxScaler类实现。

常用的最小最大规范化方法(x-min(x))/(max(x)-min(x))

除了上述介绍的方法之外，另一种常用的方法是将属性缩放到一个指定的最大和最小值(通常是1-0)之间，这可以通过preprocessing.MinMaxScaler类实现。

使用这种方法的目的包括：

1、对于方差非常小的属性可以增强其稳定性。

2、维持稀疏矩阵中为0的条目

>>> X_train = np.array([[ 1., -1., 2.],

... [ 2., 0., 0.],

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

...

>>> min_max_scaler = preprocessing.MinMaxScaler()

>>> X_train_minmax = min_max_scaler.fit_transform(X_train)

>>> X_train_minmax

array([[ 0.5 , 0. , 1. ],

[ 1. , 0.5 , 0.33333333],

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

>>> #将相同的缩放应用到测试集数据中

>>> X_test = np.