sklearn|【数据预处理】sklearn实现数据预处理（归一化、标准化） python|特征工程|数据处理|机器

1. 为什么需要归一化/标准化？
原因：特征的单位或者大小相差较大，或者某特征的方差相比其他的特征要大出几个数量级，容易影响（支配）目标结果，使得一些算法无法学习到其他的特征，即无量纲化。
2. 归一化
2.1 定义通过对原始数据进行变换把数据映射到(默认为[0,1])之间
2.2 公式
文章图片

作用于每一列，max为一列的最大值，min为一列的最小值,那么X’’为最终结果，mx，mi分别为指定区间值默认mx为1,mi为0

2.3 sklearn中的Minmax归一化API

sklearn.preprocessing.MinMaxScaler (feature_range=(0,1)… )
- MinMaxScalar.fit_transform(X)
  - X:numpy array格式的数据[n_samples,n_features]
- 返回值：转换后的形状相同的array

2.4 代码示例 2.4.1 数据集

文章图片

2.4.2 代码

import pandas as pd from sklearn.preprocessing import MinMaxScalerdef minmax_demo(): ''' 归一化 :return: None ''' # 获取数据 data = https://www.it610.com/article/pd.read_csv('./database/dating.txt', sep='\t') print(data) # 1. 实例化转换器（feature_range是归一化的范围，即最小值-最大值） transfer = MinMaxScaler(feature_range=(0, 1)) # 2. 调用fit_transform （只需要处理特征） data = https://www.it610.com/article/transfer.fit_transform(data[['milage','Liters','Consumtime']]) print('Min-Max归一化处理后的结果：\n', data) return Noneif __name__ == '__main__': minmax_demo()

结果：

文章图片

2.4.3 总结
【sklearn|【数据预处理】sklearn实现数据预处理（归一化、标准化）】最大值和最小值是变化的，而且最大值和最小值容易受异常点的影响，所以归一化方法鲁棒性较差，只适合传统精确小数据场景。那么，这时候更倾向于使用标准化。
3. 标准化
3.1 定义通过对原始数据进行变换把数据变换到均值为0,标准差为1范围内
3.2 公式

文章图片

作用于每一列，mean为平均值，σ为标准差

3.3 sklearn中实现标准化的API

sklearn.preprocessing.StandardScaler( )
- 处理之后每列来说所有数据都聚集在均值0附近标准差差为1
- StandardScaler.fit_transform(X)
  - X:numpy array格式的数据[n_samples,n_features]
- 返回值：转换后的形状相同的array

3.4 代码示例数据集同上

import pandas as pd from sklearn.preprocessing import StandardScalerdef stander_demo(): ''' 标准化 :return: ''' # 获取数据 data = https://www.it610.com/article/pd.read_csv('./database/dating.txt', sep='\t') # 1. 实例化一个转换器 transfer = StandardScaler() # 2. 调用fit_transform transfer.fit_transform(data[['milage','Liters','Consumtime']]) print('标准化处理后的结果：\n', data) print('每一列的平均值为：\n', transfer.mean_) print('每一列的标准差为：\n', transfer.var_)return None if __name__ == '__main__': stander_demo()

结果：