无量纲化
sklearn.preprocessing.MinMaxScaler
数据归一化
(数据-最小值)/极差 把数据限制在0-1之间 范围可以改 feature_range
from sklearn.preprocessing import MinMaxScaler
data = [[-10,16],[-5,32],[0,48],[5,64]]
scaler = MinMaxScaler(feature_range = [0,2])
scaler = scaler.fit(data)
#scaler = scaler.partial_fit(data)
#进行数据归一化
result = scaler.transform(data)
#利用归一化结果还原原数据
origin = scaler.inverse_transform(result)
#一步
result2 = scaler.fit_transform(data)
sklearn.preprocessing.StandardScaler
数据标准化
中心化后 x-均值(均值为零)/标准差
之后满足均值0方差1 的正态分布
from sklearn.preprocessing import StandardScaler
data = [[-10,16],[-5,32],[0,48],[5,64]]
scaler = StandardScaler()
scaler.fit(data)
#mean_均值, var_方差
print(scaler.mean_, scaler.var_)
result = scaler.transform(data)