特征比例调整

特征比例调整

目录

• 特征比例调整
• 1、归一化
• 2、标准化

---

1、归一化

归一化通常指的是把特征调整到0-1之间，通常用于有界区间值的问题

sklearn中的实现:

from sklearn.preprocessing import MinMaxScaler
mms = MinMaxScaler()
X_train_norm = mms.fit_transform(X_train)
X_test_norm = mms.transform(X_test)

2、标准化

标准化对于许多机器学习算法来说更为实用，特别是梯度下降等优化算法，因为许多线性模型，比如逻辑回归或支持向量机，把权重值初始化为0或接近0，使用标准化，可以把特征值的中心设在均值0，标准差为1的位置，这样特征列呈正态分布，可以使学习权重更为容易。

 为均值， 为标准差

 

sklearn中的实现：

from sklearn.preprocessing import StandardScaler
std = StandardScaler()
X_train_std = std.fit_transform(X_train)
X_test_std = std.transform(X_test)