歸一化z-score標准化

z-score標准化

z-score標准化是將數據按比例縮放，使之落入一個特定區間。 要求：均值 μ = 0 ，σ = 1

標准差公式：

 

image

z-score標准化轉換公式：

 

image

歸一化

歸一化：把數變為（0，1）之間的小數

歸一化公式：

 

image

這里利用sklearn的MinMaxScaler和StandardScaler兩個類，對所有數據進行歸一化處理

import pandas as pd from sklearn import preprocessing from sklearn.preprocessing import MinMaxScaler from sklearn.preprocessing import StandardScaler # 讀取數據 features = ['accommodates','bedrooms','bathrooms','beds','price','minimum_nights','maximum_nights','number_of_reviews'] dc_listings = pd.read_csv(r'D:\codes_jupyter\數據分析_learning\課件\05_K近鄰\listings.csv', engine='python') dc_listings = dc_listings[features] # 對price列進行一定的處理，使其變成float型 dc_listings['price'] = dc_listings.price.str.replace(r'\$|,', '').astype(float) # 對缺失值進行處理,刪除有缺失值的數據 dc_listings = dc_listings.dropna() # 歸一化 dc_listings[features] = MinMaxScaler().fit_transform(dc_listings) # 標准化 # dc_listings[features] = StandardScaler().fit_transform(dc_listings) print(dc_listings.shape) dc_listings.head() 

輸出結果如下：

 

image

得到標准化的數據后，就可以利用多個指標對房租價格進行預測了。

作者：叫我老村長
鏈接：https://www.jianshu.com/p/26d198115908
來源：簡書
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請注明出處。