Python机器学习-数据预处理技术（标准化处理、归一化、二值化、独热编码、标记编码）

数据预处理技术

机器是看不懂绝大部分原始数据的，为了让让机器看懂，需要将原始数据进行预处理。

• 引入模块和数据

import numpy as np
from sklearn import preprocessing

data = np.array([[3,-1.5,2,-5.4],
                 [0,4,0.3,2.1],
                 [1,3.3,-1.9,-4.3]]) 
                #第0轴长度为3，第1轴长度为4

• 知识前备

线性变换的特征向量（本征向量）是一个非简并的向量，其方向在该变换下不变。该向量在此变换下缩放的比例称为其特征值（本征值）。

一个线性变换通常可以由其特征值和特征向量完全描述。特征空间是相同特征值的特征向量的集合

特征向量外文名 Eigenvector

公式：Av=λv （A：矩阵（即变换），v：特征向量（在满足等式的情况下），λ：特征值（在满足等式的情况下））

• 标准化处理

即保证特征均值为0（均值移除）

数据标准化主要功能就是消除变量间的量纲关系，从而使数据具有可比性，一般标准化采用的是Z标准化，即均值为0，方差为1

data_standardized=preprocessing.scale(data)
print ("原始data\n",data)
print ("\n经过标准化处理的data\n",data_