sklearn.preprocessing

标准化（中心化）scale

sklearn.preprocessing.scale(X, axis=0, with_mean=True, with_std=True, copy=True)

X	用来标准化的数据(数组或者稀疏矩阵)
axis	0表示对一列去做相同的操作，1表示对一行去做相同的操作
with_mean	要均值中心化(true)
with_std	要方差规模化(true)

标准化的过程为两步：去均值的中心化（均值变为0）；方差的规模化（方差变为1）。

from sklearn import preprocessing
import numpy as np

# 创建一组特征数据，每一行表示一个样本，每一列表示一个特征
x = np.array([[1., -1., 2.],
              [2., 0., 0.],
              [0., 1., -1.]])

# 将每一列特征标准化为标准正太分布，注意，标准化是针对每一列而言的
x_scale = preprocessing.scale(x)

x_scale

>>> array([[ 0.        , -1.22474487,  1.33630621],
       [ 1.22474487,  0.        , -0.26726124],
       [-1.22474487,  1.22474487, -1.06904497]])

# 可以查看标准化后的数据的均值与方差，已经变成0,1了
x_scale.mean(axis=0)
>>> array([ 0.,  0.,  0.])

x_scale.std(axis=0)
>>> array([ 1.,  1.,  1.])

# axis=1表示对每一行去做这个操作，axis=0表示对每一列做相同的这个操作
x_scale.mean(axis=1)
>>> array([ 0.03718711,  0.31916121, -0.35634832])

归一化

 

标准化是依照特征矩阵（每一列是用同一个特征的不同取值）的列处理数据，其通过求z-score的方法，将样本的每个特征的值转换到同一量纲下。 
归一化是依照特征矩阵（每一行是不同特征的取值）的行处理数据，其目的在于样本向量在点乘运算或其他核函数计算相似性时，拥有统一的标准，也就是说都转化为“单位向量”。
 

sklearn.preprocessing.normalize(X, norm=’l2’, axis=1, copy=True, return_norm=False)

Normalization各个样本归一化为norm为1的正态分布

函数 normalize 提供了一个简单的方法来操作类似数组的数据集，使用l1或l2范式(norm参数