数据归一化/标准化

最新推荐文章于 2021-03-16 19:48:38 发布

佛系调参

最新推荐文章于 2021-03-16 19:48:38 发布

阅读量279

点赞数

分类专栏： Python 机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/yzy__zju/article/details/84235111

版权

Python 同时被 2 个专栏收录

75 篇文章 1 订阅

订阅专栏

9 篇文章 0 订阅

订阅专栏

方法1：归一化（normalization）:将值转化为0—1之间

$x^{'}=(x-x_{min})/(x_{max}-x_{min})$

调用方法：from sklearn import MinMaxScaler(feature_range=num)

说明：超参数feature_range默认为1，可以自己设置新值得范围0—num

方法2：标准化（standardization）：新值得分布具有单位方差

$x^{'}=(x-mean(x))/var(x)$

调用方法：from sklearn import StandardScaler

特别说明：与机器学习中的所以转化一样，缩放器只能用于单独用于训练集和新的数据（测试集），而不能应用于完整的数据集（包括测试集）

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
数据归一化/标准化

方法1：归一化（normalization）:将值转化为0—1之间调用方法：from sklearn import MinMaxScaler(feature_range=num)说明：超参数feature_range默认为1，可以自己设置新值得范围0—nu...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。