min-max归一化矩阵代码

一、总结

一句话总结：

这里是min-max归一化，就【按公式x* =(x-min)/(max-min)来做矩阵运算】就可以了

min-max标准化：x* =(x-min)/(max-min)：【新数据加入，需重新计算max和min】

这里矩阵运算你的话主要就是【平铺tile方法】：normDataSet = dataSet - np.tile(minVals, (m, 1))

def autoNorm(dataSet):
    #获得数据的最小值
    minVals = dataSet.min(0)
    maxVals = dataSet.max(0)
    #最大值和最小值的范围
    ranges = maxVals - minVals
    #shape(dataSet)返回dataSet的矩阵行列数
    normDataSet = np.zeros(np.shape(dataSet))
    #返回dataSet的行数
    m = dataSet.shape[0]
    #原始值减去最小值
    normDataSet = dataSet - np.tile(minVals, (m, 1))
    #除以最大和最小值的差,得到归一化数据
    normDataSet = normDataSet / np.tile(ranges, (m, 1))
    #返回归一化数据结果,数据范围,最小值
    return normDataSet, ranges, minVals

 

 

二、内容在总结中