python 归一化标准化

最新推荐文章于 2025-06-01 12:15:28 发布

AI算法网奇

最新推荐文章于 2025-06-01 12:15:28 发布

阅读量3.9k

点赞数

CC 4.0 BY-SA版权

分类专栏： python宝典

本文链接：https://blog.youkuaiyun.com/jacke121/article/details/81260857

python宝典专栏收录该内容

1173 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

这篇笔记介绍了Python中特征缩放的概念，包括归一化和标准化，以及它们在数据预处理中的作用。文章通过实例展示了StandardScaler、MinMaxScaler、MaxAbsScaler和Normalizer四种不同的缩放方法，并对比了它们的效果，帮助读者理解如何根据需求选择合适的缩放策略。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

基础知识笔记：

0的任何次方等于1

1的任何次方等于1

归一化和标准化：


def normalization(data):
    _range = np.max(data) - np.min(data)
    return (data - np.min(data)) / _range
 
 
def standardization(data):
    mu = np.mean(data, axis=0)
    sigma = np.std(data, axis=0)
    return (data - mu) / sigma

import numpy as np

def standardization(data):
    mu = np.mean(data, axis=0)
    print("mean",mu)
    sigma = np.std(data, axis=0)
    print("std",sigma)
    return (data - mu) / sigma

data=np.array([-1,-2,-3,-4,1,2,3,4,100,1000])

stand=standardization(data)
print(stand)

stand=standardization(stand)
prin

了解本专栏