机器学习中,最重要的就是数据预处理了。
而当不同特征之间的值差距较大,分布很离散,那么可能就需要统一这些数据的量纲,以便后期的处理。
所以,今天带来的是一些数据标准化处理的方法。
主要的标准化方法先列出如下:
·StandardScaler
·MinMaxScaler
·MaxAbsScaler
·RobustScaler
·Normalizer
1
- StandardScaler -
sklearn.preprocessing.StandardScaler(copy = True,with_mean = True,with_std = True )
通过删除均值和缩放到单位方差来标准化特征。
样本x的标准分数计算如下:
z =(x - u)/ s
其中u是训练样本的平均值,如果with_mean = False,则为零,s为训练样本的标准偏差,如果 with_std = False,则为1。