機器學習之特征歸一化

　　當數據集的數值屬性具有非常大的比例差異，往往導致機器學習的算法表現不佳，當然也有極少數特例。在實際應用中，通過梯度下降法求解的模型通常需要歸一化，包括線性回歸、邏輯回歸、支持向量機、神經網絡等模型。但對於決策樹不使用，以C4.5為例，決策樹在進行節點分裂時主要依據數據集D關於特征X的信息增益比，而信息增益比根特征是否經過歸一化是無關的。

　　同比例縮放所有屬性常用的兩種方法是：最小-最大縮放和標准化

　　最小-最大縮放（又加歸一化），將值重新縮放使其最終范圍在0-1之間，（current - min）/ (max - min)，Scikit-Learn提供了MinMaxSaler轉換器可以完成該功能

　　標准化，(current - mean) / var，使得得到的結果分布具備單位方差，相比最小-最大縮放，標准化的方法受異常值的影響更小，同樣Scikit-Learn也提供了StandScaler轉換器

1. MinMaxScaler和StandScaler類結構

　　

2. MinMaxScaler示例

>>> from sklearn.preprocessing import MinMaxScaler
>>>
>>> data = [[-1, 2], [-0.5, 6], [0, 10], [1, 18]]
>>> scaler = MinMaxScaler()
>>> print(scaler.fit(data))
MinMaxScaler(copy=True, feature_range=(0, 1))
>>> print(scaler.data_max_)
[  1.  18.]
>>> print(scaler.transform(data))
[[ 0.    0.  ]
 [ 0.25  0.25]
 [ 0.5   0.5 ]
 [ 1.    1.  ]]
>>> print(scaler.transform([[2, 2]]))
[[ 1.5  0. ]]

3. StandScaler示例

>>> data = [[0, 0], [0, 0], [1, 1], [1, 1]]
>>> scaler = StandardScaler()
>>> print(scaler.fit(data))
    StandardScaler(copy=True, with_mean=True, with_std=True)
>>> print(scaler.mean_)
    [ 0.5  0.5]
>>> print(scaler.transform(data))
    [[-1. -1.]
    [-1. -1.]
    [ 1.  1.]
    [ 1.  1.]]
>>> print(scaler.transform([[2, 2]]))
    [[ 3.  3.]]