min-max歸一化矩陣代碼

一、總結

一句話總結：

這里是min-max歸一化，就【按公式x* =(x-min)/(max-min)來做矩陣運算】就可以了

min-max標准化：x* =(x-min)/(max-min)：【新數據加入，需重新計算max和min】

這里矩陣運算你的話主要就是【平鋪tile方法】：normDataSet = dataSet - np.tile(minVals, (m, 1))

def autoNorm(dataSet):
    #獲得數據的最小值
    minVals = dataSet.min(0)
    maxVals = dataSet.max(0)
    #最大值和最小值的范圍
    ranges = maxVals - minVals
    #shape(dataSet)返回dataSet的矩陣行列數
    normDataSet = np.zeros(np.shape(dataSet))
    #返回dataSet的行數
    m = dataSet.shape[0]
    #原始值減去最小值
    normDataSet = dataSet - np.tile(minVals, (m, 1))
    #除以最大和最小值的差,得到歸一化數據
    normDataSet = normDataSet / np.tile(ranges, (m, 1))
    #返回歸一化數據結果,數據范圍,最小值
    return normDataSet, ranges, minVals

 

 

二、內容在總結中