【机器学习】R语言标准化(归一化)之scale()函数、sweep()函数

本文深入探讨了R语言中数据标准化的方法,包括自定义实现、sweep()函数及scale()函数的应用。通过实例展示了如何使用这些函数进行数据预处理,为后续的数据分析和机器学习任务奠定基础。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

R语言标准化(归一化)之scale()函数、sweep()函数


#数据集
x<-cbind(c(1,2,3,4),c(5,5,10,20),c(3,6,9,12))

#自己写标准化
x_min_temp<-apply(x,2,min) 
x_min<-matrix(rep(x_min_temp,4),byrow=TRUE,ncol=3)        #需要输入行数和列数
abs(x-x_min)                                              #当前值减去均值
x_extreme_temp<-apply(x,2,max)-apply(x,2,min)
x_extreme<-matrix(rep(x_extreme_temp,4),byrow=TRUE,ncol=3)#需要输入行数和列数
abs(x-x_min)/x_extreme

#sweep函数
center <- sweep(x, 2, apply(x, 2, min),'-')     #在列的方向上减去最小值,不加‘-’也行
R <- apply(x, 2, max) - apply(x,2,min)          #算出极差,即列上的最大值-最小值
x_star<- sweep(center, 2, R, "/")               #把减去均值后的矩阵在列的方向上除以极差向量
#sweep函数更简洁、易懂,且不需要输入行数和列数,二者性能也差不多

#sweep再举一个例子
m<-matrix(c(1:9),byrow=TRUE,nrow=3)
#第一行都加1,第二行都加4,第三行都加7
sweep(m, 1, c(1,4,7), "+")  

#scale函数,这个比较简单,不多说
scale(x, center = TRUE, scale = TRUE)

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

镰刀韭菜

看在我不断努力的份上,支持我吧

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值