8、数据特征缩放与转换全解析

数据特征缩放与转换全解析

1. 特征缩放的重要性及常见方法

在处理数据时，特征缩放是一项关键的转换操作。大多数机器学习算法在输入的数值属性尺度差异较大时，表现往往不佳。以住房数据为例，房间总数的范围大约从 6 到 39320，而收入中位数仅在 0 到 15 之间。若不进行缩放，多数模型会倾向于忽略收入中位数，而更关注房间数量。

常见的特征缩放方法有两种：最小 - 最大缩放（Min - Max Scaling）和标准化（Standardization）。

1.1 最小 - 最大缩放（Min - Max Scaling）

最小 - 最大缩放，也被很多人称为归一化，是最简单的缩放方法。对于每个属性，其值会被移动并重新缩放，最终范围会落在 0 到 1 之间。具体操作是先减去最小值，再除以最小值和最大值的差值。在 Scikit - Learn 中，可以使用 MinMaxScaler 来实现：

from sklearn.preprocessing import MinMaxScaler

min_max_scaler = MinMaxScaler(feature_range=(-1, 1))
housing_num_min_max_scaled = min_max_scaler.fit_transform(housing_num)

这里的 feature_range 超参数可以让你改变缩放的范围。例如，神经网络通常在零均值输入时表现最佳，所以 - 1 到 1 的范围可能更合适。