归一化z-score标准化

z-score标准化

z-score标准化是将数据按比例缩放，使之落入一个特定区间。 要求：均值 μ = 0 ，σ = 1

标准差公式：

 

image

z-score标准化转换公式：

 

image

归一化

归一化：把数变为（0，1）之间的小数

归一化公式：

 

image

这里利用sklearn的MinMaxScaler和StandardScaler两个类，对所有数据进行归一化处理

import pandas as pd from sklearn import preprocessing from sklearn.preprocessing import MinMaxScaler from sklearn.preprocessing import StandardScaler # 读取数据 features = ['accommodates','bedrooms','bathrooms','beds','price','minimum_nights','maximum_nights','number_of_reviews'] dc_listings = pd.read_csv(r'D:\codes_jupyter\数据分析_learning\课件\05_K近邻\listings.csv', engine='python') dc_listings = dc_listings[features] # 对price列进行一定的处理，使其变成float型 dc_listings['price'] = dc_listings.price.str.replace(r'\$|,', '').astype(float) # 对缺失值进行处理,删除有缺失值的数据 dc_listings = dc_listings.dropna() # 归一化 dc_listings[features] = MinMaxScaler().fit_transform(dc_listings) # 标准化 # dc_listings[features] = StandardScaler().fit_transform(dc_listings) print(dc_listings.shape) dc_listings.head() 

输出结果如下：

 

image

得到标准化的数据后，就可以利用多个指标对房租价格进行预测了。

作者：叫我老村长
链接：https://www.jianshu.com/p/26d198115908
来源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。