DJJ5210的博客

存款的数值跟其他数据不在一个数量级，这意味着存款的对择偶结果的影响比较大，但我们认为这三个特征同样重要，这时候就需要把这些规格不同的数据转换到同一规格。归一化是根据最大值和最小值来计算的，当最大值/最小值出现异常时，比如最大值跟其他数据差的非常多，那么这种计算方式就会存在较大的误差。这个过程，也叫数据预处理。实例化 MinMaxScaler 时，指定 feature_range 参数的值，可以设置归一的「范围」。feature_range=(0,1)：（可选，默认0~1）指定归一化的范围，。

数据标准化1. 什么是标准化？数据标准化是一个常用的数据预处理操作，目的是将不同规格的数据转换到统一规格或不同分布的数据转换到某个特定范围，以减少规模、特征、分布差异等对模型的影响。这种操作也叫作无量纲化。除了用作模型计算。标准化的数据还具有直接计算并生成复合指标的意义，是加权指标的必要步骤。2. 为什么要将输入标准化？在以梯度和矩阵为核心的算法中，如逻辑回归，支持向量机和神经网络，数据标准化可以加快求解速度；

最近在自学图灵教材《Python机器学习基础教程》，在csdn以博客的形式做些笔记。在监督学习中，有神经网络和SVM等算法对数据缩放十分敏感。通常做法是对特征进行调节，使数据表示更适合于这些算法。通常来说，这是对数据的一种简单的按特征的缩放和移动。常用缩放方法下图为数据缩放的几种方法：上图中，最左边的是有两个特征的二分类原始数据集。而又边的四幅图则为四种数据变换的方法。