自写函数实现特征预处理之标准化

ouyang_gan

已于 2022-02-28 22:28:12 修改

阅读量463

点赞数 1

分类专栏：机器学习文章标签：机器学习数据挖掘深度学习

于 2022-02-26 23:48:34 首次发布

本文链接：https://blog.youkuaiyun.com/ouyang_xiaogan/article/details/123158008

版权

本文详细介绍了数据预处理中的特征标准化过程，包括计算均值、标准差以及如何进行标准化转换。通过提供的代码示例展示了如何使用Python实现这一操作，确保数据转化为标准正态分布，从而减少规模和分布差异对模型训练的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

标准化是一个常用的数据预处理操作，目的是处理不同规模和量纲的数据，使其缩放到相同的数据区间和范围，以减少规模、特征、分布差异等对模型的影响。

标准化数据通过减去均值然后除以方差（或标准差），这种数据标准化方法经过处理后数据符合标准正态分布，即均值为0，标准差为1，转化公式：

$x=\frac{x-\bar{x}}{\sigma }$

通过函数要怎么实现呢？公式较为复杂我们可以采取拆分的方法逐一完成。

1、先计算平均值 $\bar{x}$

data = [[5, 6, 3], [4, 6, 8], [6, 9, 7]]


def data_mean(data):
    means = []
    for i in range(len(data[0])):
        values = [row[i] for row in data]
        mean = sum(values)/float(len(data))
        means.append(mean)
    return means

2、计算标准差

最低0.47元/天解锁文章