数据预处理--标准化与归一化

最新推荐文章于 2024-05-05 08:21:11 发布

一瑞111

最新推荐文章于 2024-05-05 08:21:11 发布

阅读量570

点赞数

分类专栏： Python

本文链接：https://blog.csdn.net/weixin_41712808/article/details/85148919

版权

本文深入探讨了数据预处理中的两种重要技术——标准化和归一化。标准化是将数据按比例缩放，使之落入一个小的特定区间；归一化则是将数据按比例缩放到0-1之间，这两种方法在机器学习和数据分析中广泛应用，能够提高算法的性能和模型的准确性。

摘要由CSDN通过智能技术生成

一、标准化

from sklearn import preprocessing
import pandas as pd

date=pd.read_csv(r'路径')
cols=['age','salary']
date[cols]=preprocessing.StandardScaler().fit_transform(date[cols])
#也可写成：
date=preprocessing.StandardScaler().fit(date[cols])
date=date.transform(date[cols])

#注释：preprocessing.StandardScaler()   调用sklearn库中的预处理函数中的标准化函数
#.fit()  训练模型，拟合数据
#.transform()  通过找中心和缩放等实现标准化
#.fit_transform()  先拟合数据，然后转化它将其转化为标准形式

二、归一化

from sklearn import preprocessing
import pandas as pd

date=pd.read_csv(r'路径')
cols=['age','salary']
date[cols]=preprocessing.MinMaxScaler().fit_transform(date[cols])
#也可写成：
date=preprocessing.MinMaxScaler().fit(date[cols])
date=date.transform(date[cols])