数据规范化的几种方法

1. Min-Max规范化

from sklearn import preprocessing
import numpy as np
#初始化数据，每一行表示一个样本，每一列表示为一个特征
x = np.array([[0.,-3.,1.],[3.,1.,2.],[0.,1.,-1.]
])
#将数据进行[0,1]规范化
min_max_scaler = preprocessing.MinMaxScaler()
minmax_x = min_max_scaler.fit_transform(x)
print(minmax_x)

2.Z-Score规范化

from sklearn import preprocessing
import numpy as np#初始化数据，每一行表示一个样本，每一列表示为一个特征
x = np.array([[0.,-3.,1.],[3.,1.,2.],[0.,1.,-1.]
])
scaled_x = preprocessing.scale(x)
print(scaled_x)

3.小数定标规范化

from sklearn import preprocessing
import numpy as np
#初始化数据，每一行表示一个样本，每一列表示为一个特征
x = np.array([[0.,-3.,1.],[3.,1.,2.],[0.,1.,-1.]
])
#小数定标规范化
j = np.ceil(np.log10(np.max(abs(x))))
scaled_X = x/(10**j)
print(scaled_X)

p.max(abs(x))))
scaled_X = x/(10**j)
print(scaled_X)