python数据标准化_数据标准化 (data normalization) 的原理及实现 (Python sklearn)

原理

数据正规化(data normalization)是将数据的每个样本(向量)变换为单位范数的向量，各样本之间是相互独立的．其实际上，是对向量中的每个分量值除以正规化因子．常用的正规化因子有 L1, L2 和 Max．假设，对长度为 n 的向量，其正规化因子 z 的计算公式，如下所示：

注意：Max 与无穷范数

 不同，无穷范数

 是需要先对向量的所有分量取绝对值，然后取其中的最大值；而 Max 是向量中的最大分量值，不需要取绝对值的操作．

补充：一阶范数也称为曼哈顿距离(Manhanttan distance)或街区距离；二阶范数也称为欧式距离(Euclidean distance)．

实现

在 Python 库 sklearn 中，有两种实现方式进行数据的正规化，这两种实现都可通过参数 norm 选择正规化因子，可选项有 ‘l1‘, ‘l2‘ 和 ‘max‘．

方法一：采用 sklearn.preprocessing.Normalizer 类，其示例代码如下：

#!/usr/bin/env python#-*- coding: utf8 -*-#author: klchang

# Use sklearn.preprocessing.Normalizer class to normalize data.

from __fu