sklearn数据预处理：归一化、标准化

归一化：

1、把数变为（0，1）之间的小数
主要是为了数据处理方便提出来的，把数据映射到0～1范围之内处理，更加便捷快速。
2、把有量纲表达式变为无量纲表达式
归一化是一种简化计算的方式，即将有量纲的表达式，经过变换，化为无量纲的表达式，成为纯量。

归一化算法有：

1.线性转换

　  y=(x-MinValue)/(MaxValue-MinValue)

２.对数函数转换：

     y=log10(x)

３.反余切函数转换

     y=atan(x)*2/PI

４.线性也与对数函数结合

     式(1)将输入值换算为[-1,1]区间的值，

     在输出层用式(2)换算回初始值，其中和分别表示训练样本集中负荷的最大值和最小值。

标准化/规范化：

数据的标准化是将数据按比例缩放，使之落入一个小的特定区间。由于信用指标体系的各个指标度量单位是不同的，为了能够将指标参与评价计算，需要对指标进行规范化处理，通过函数变换将其数值映射到某个数值区间。

标准化算法有：

1.z-score标准化(或零－均值标准化)（常用）

　y=(x-X的平均值)／X的标准差=(x-mean)/std 

  优点：当X的最大值和最小值未知，或孤立点左右了最大－最小规范化时，该方法有用

2.最小－最大规范化(线性变换)

   y=( (x-MinValue) / (MaxValue-MinValue) )(new_MaxValue-new_MinValue)+new_minValue

３.小数定标规范化：通过移动X的小数位置来进行规范化

　 y= x/10的j次方　　(其中,j使得Max(|y|) <1的最小整数

４.对数Logistic模式：

    新数据=1/（1+e^(-原数据)）

５.模糊量化模式：

    新数据=1/2+1/2sin[派3.1415/（极大值-极小值）*（X-（极大值-极小值）/2） ]       X为原数据

用sklearn实现：

 1.z-score：

公式为：(X-mean)/std  计算时对每个属性/每列分别进行。

将数据按期属性（按列进行）减去其均值，并处以其方差。得到的结果是，对于每个属性/每列来说所有数据都聚集在0附近，方差为1。

实现时，有两种不同的方式：

• 使用sklearn.preprocessing.scale()函数，可以直接将给定数据进行标准化。

import numpy as np
from sklearn.preprocessing import scale
X = np.array([[ 1., -1.,  2.], 
              [ 2.,  0.,  0.],
              [ 0.,  1., -1.]])
X_scaled = scale(X)
print X_scaled
#[[ 0.         -1.22474487  1.33630621]
# [ 1.22474487  0.         -0.26726124]
# [-1.22474487  1.22474487 -1.06904497]]
print X_scaled.mean(axis = 0)
#[ 0.  0.  0.]
print X_scaled.std(axis = 0)
#[ 1.  1.  1.]

• 使用sklearn.preprocessing.StandardScaler类，使用该类的好处在于可以保存训练集中的参数（均值、方差）直接使用其对象转换测试集数据。

• import numpy as np
  from sklearn.preprocessing import StandardScaler
  X = np.array([[ 1., -1.,  2.], 
                [ 2.,  0.,  0.],
                [ 0.,  1., -1.]])
  scaler = StandardScaler().fit(X)
  print scaler
  #StandardScaler(copy=True, with_mean=True, with_std=True)
  print scaler.mean_
  #[ 1.          0.          0.33333333]
  print scaler.std_
  #[ 0.81649658  0.81649658  1.24721913]
  print scaler.transform(X)
  #[[ 0.         -1.22474487  1.33630621]
  # [ 1.22474487  0.         -0.26726124]
  # [-1.22474487  1.22474487 -1.06904497]]