from sklearn.preprocessing import StandardScaler
data = [[1, 2, 3],
[4, 5, 6]]
# 对数据进行标准化处理
# <1>. 实例化转换数据的对象
trans = StandardScaler()
# <2>. 调用fit_transform 直接进行转换
data = trans.fit_transform(data)
# <3>. 打印转换数据的结果
print(data)
data2 = [[5, 6, 7],
[8, 9, 10]]
data2 = trans.transform(data2)
print(data2)
# demo: 使用标准化处理数据, 制作鸢尾花模型.
# 导入鸢尾花数据集
from sklearn.datasets import load_iris
# 导入标准化处理数据的方法
from sklearn.preprocessing import StandardScaler
# 导入分割数据集的方法
from sklearn.model_selection import train_test_split
# 导入算法的api
from sklearn.neighbors import KNeighborsClassifier
def flower():
# 1. 获取数据集
lr = load_iris()
# 2. 确定特征值与目标值
x = lr.data
y = lr.target
# 分割数据集
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3)
# 3. 标准化处理数据
std = StandardScaler()
# 4. 对数据进行处理
x_train = std.fit_transform(x_train)
x_test = std.transform(x_test)
# 5. 实例化转换数据的对象
estimate = KNeighborsClassifier()
estimate.fit(x_train, y_train)
print(estimate.score(x_test, y_test))
return None
flower()
python中的标准化
最新推荐文章于 2024-03-17 23:42:37 发布