27、机器学习中的数据处理与评估指标

机器学习中的数据处理与评估指标

在机器学习领域，数据处理和模型评估是至关重要的环节。本文将详细介绍数据归一化技术、常用的评估指标，以及线性回归等相关内容。

数据归一化技术

数据归一化是将数据转换为统一尺度的过程，这有助于提高在数据集上训练模型时所采用算法的准确性。以下是一些常见的数据归一化技术：
1. 标准化（Standardization） ：假设数据符合标准正态分布，通过对每个数据点减去均值并除以标准差，使数据转换为均值为 0、标准差为 1 的标准正态分布。在 Sklearn 中可使用以下代码实现：

from sklearn.preprocessing import StandardScaler

2. 归一化（Normalization） ：这是一种线性缩放技术，将数据集 $X$ 中的元素缩放到 0 到 1 的范围。计算公式为 $X_i = (X_i – Min_x)/[Max_x – Min_x]$，其中 $Min_x$ 是 $X_i$ 的最小值，$Max_x$ 是 $X_i$ 的最大值。Sklearn 中对应的类为：

from sklearn.preprocessing import Normalizer

3. 最小 - 最大缩放（Min - Max Scaling）