杨桃的Python进阶讲座10——数组array（三）数组array归一化和标准化（全网迄今最详细的讲解）

本人CSDN博客专栏：https://blog.csdn.net/yty_7

Github地址：https://github.com/yot777/

 

在机器学习和深度学习中的数据预处理环节，一个非常重要的步骤是对数据进行归一化和标准化处理。

 

归一化的概念

什么是归一化？简单的说，就是通过计算把所有的数据归纳统一到指定范围中去，一般这个范围是0~1。

 

归一化的公式

如何进行归一化？可以通过以下两个公式进行：

（1）变换系数公式

item代表数组每列中所有的元素

max为该列所有数据的最大值，min为该列所有数据的最小值

原始array数组如下：

>>> import numpy as np
>>> data = np.array([[36,46],[45,25],[6,79]])
>>> print(data)
[[36 46]
 [45 25]
 [ 6 79]]

步骤1：求出每列的最小值和最大值

>>> n_max=np.max(data,axis=0)
>>> print(n_max)
[45 79]
>>> n_min=np.min(data,axis=0)
>>> print(n_min)
[ 6 25]

步骤2：由原始矩阵的每一个元素减去该列元素的最小值n_min，得到公式的分子

>>> fenzi = np.subtract(data,n_min)
>>> print(fenzi)
[[30 21]
 [39  0]
 [ 0 54]]

讲解：n_min原来是一维数组(,2)<