不同特征之间的数值差距较大,在假设各个特征同等重要的情况下,必须实施归一化处理,将任意特征值转化为0到1区间的值:
新值 = (特征值 - 该特征中最小值 ) / (该特征最大值 - 该特征最小值)
在kNN.py中添加新函数用作归一处理:
def autoNorm(dataSet): #dataSet为1000*3规模,不加标签
minVals = dataSet.min(0) #取每列最小值 规模1*3
maxVals = dataSet.max(0) #取每列最大值 规模1*3
ranges = maxVals - minVals #每列特征最小值减去最大值
normDataSet = zeros(shape(dataSet)) #创建与初始数据矩阵规模一样的矩阵
m = dataSet.shape[0] # m为初始数据的行数
normDataSet = dataSet - tile(minVals, (m, 1)) #实现每个特征的每个特征值减去最小值 规模1000*3
normDataSet = normDataSet / tile(ranges, (m, 1)) #实现归一化公式
return normDataSet, ranges, minVals
numpy中的min()用法:
import numpy as np
a = np.array([[1,2,3],[4,5,6]])
print(a.min()) #全局最小量
print(a.min(0)) #a的每列最小值
print(a.min(1)) #a的每行最小值
1
[1 2 3]
[1 4]