数据预处理

数据预处理是数据分析的重要步骤,包括数据标准化和缺失值填充等。标准化通过离差标准化(Min-Max Normalization)和Z-score方法使数据处于同一数量级,便于比较。离差标准化将数据映射到[0, 1]区间,Z-score标准化则转化为均值为0,标准差为1的标准正态分布。后续章节会涉及缺失值的处理和异常值的处理。" 103231223,8681978,深度学习中的对抗样本攻击方法解析,"['深度学习', '对抗样本', '机器学习安全', '神经网络攻击', '图像识别']

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

一、数据标准化

消除指标之间的量纲影响,解决数据指标之间的可比性

原始数据经过数据标准化处理后,各指标处于同一数量级,适合进行综合对比评价。

https://scikit-learn.org/stable/modules/preprocessing.html#preprocessing

https://blog.youkuaiyun.com/dream_angel_z/article/details/49406573

https://blog.youkuaiyun.com/pipisorry/article/details/52247379

1、离差标准化,min-max标准化(Min-Max Normalization)

对原始数据的线性变换,使结果值映射到[0 , 1]之间 
这里写图片描述

用这种方法的目的包括:

  • 1、对于方差非常小的属性可以增强其稳定性;
  • 2、维持稀疏矩阵中为0的条目。
    import numpy as np
    from sklearn import preprocessing  
    
    x &#
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
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