数据归一化处理方法_数据预处理的 4 个方法

在获取到数据集后会发现有的数据时有噪声，有异常，数据出错，量纲不一。

数据预处理的目的是让数据适应模型，匹配模型的需求，决定了后期数据输出的质量和价值。接下来演示下如何使用 sklearn 进行数据预处理。

数据归一化

数据归一化是将数据数据 x 按照最小值中心化后，再按照(最大值-最小值缩放)，将数据收敛到[0,1]之间

import pandas as pdfrom sklearn.preprocessing import MinMaxScaler# 创建数据集df = pd.DataFrame([[0,1],[-2,1],[5,10],[1,18]])# 实例化scaler = MinMaxScaler()# 使用fit训练模型scaler = scaler.fit(df)# 使用transform导出结果result = scaler.transform(df)result

array([[0.28571429, 0.        ],       [0.        , 0.        ],       [1.        , 0.52941176],       [0.42857143, 1.        ]])

数据标准化

将 x 按照均值中心化后，在按照标准差缩放，数据服从均值为 0 方差为 1 的正态分布。

公式为：(x-均值)/标准差

from sklearn.preprocessing import Stand