特征工程之歸一化及標准化

特征的預處理：對數據進行處理

特征處理：通過特定的統計方法（數學方法）將數據轉換成算法要求的數據

 

歸一化：

多個特征同等重要的時候需要進行歸一化處理
目的：使得某一個特征對最終結果不會造成更大影響

歸一化API：

 

標准化：

歸一化及標准化實例代碼：

# 數據預處理
from sklearn.preprocessing import MinMaxScaler
from sklearn.preprocessing import StandardScaler


def mm():
    '''
    歸一化處理
    :return:None
    '''
    # mm = MinMaxScaler()
    mm = MinMaxScaler(feature_range=(2, 3))
    data = mm.fit_transform([[90, 2, 10, 40], [60, 4, 15, 45], [75, 3, 13, 46]])
    print(data)
    return None


def stand():
    '''
    標准化縮放
    :return:None
    '''
    std = StandardScaler()
    data = std.fit_transform([[1, -1, 3], [2, 4, 2], [4, 6, -1]])
    print(data)
    return None


if __name__ == "__main__":
    mm()
    stand()

運行結果：