目錄
標(biāo)準(zhǔn)化處理
0-1標(biāo)準(zhǔn)化:
z-score標(biāo)準(zhǔn)化：
1、用自帶的函數(shù)來操作
實現(xiàn)z-score標(biāo)準(zhǔn)化
實現(xiàn)0-1標(biāo)準(zhǔn)化
2、自定義函數(shù)實現(xiàn)
實現(xiàn)z-score標(biāo)準(zhǔn)化
實現(xiàn)0-1標(biāo)準(zhǔn)化
標(biāo)準(zhǔn)化處理
0-1標(biāo)準(zhǔn)化:
對輸出結(jié)果范圍有要求，數(shù)據(jù)較為穩(wěn)定的，不存在極端的最大最小值
z-score標(biāo)準(zhǔn)化：
數(shù)據(jù)存在異常值和較多的噪音，可以間接通過中心化避免異常值和極端值的影響
1、用自帶的函數(shù)來操作
實現(xiàn)z-score標(biāo)準(zhǔn)化
from sklearn.preprocessing import StandardScaler #實現(xiàn)z-score標(biāo)準(zhǔn)化
X_test=df_sum.iloc[:,-3:] #實例化對象
b_test=StandardScaler() #訓(xùn)練數(shù)據(jù)，賦值給b_test
X_result=b_test.fit_transform(X_test)
print(X_result) #查看訓(xùn)練數(shù)據(jù)
實現(xiàn)0-1標(biāo)準(zhǔn)化
from sklearn.preprocessing import MinMaxScaler
X_test=df_sum.iloc[:,-3:] #實例化對象
b_test=MinMaxScaler() #訓(xùn)練數(shù)據(jù)，賦值給b_test
X_result=b_test.fit_transform(X_test)
print(X_result) #查看訓(xùn)練數(shù)據(jù)
2、自定義函數(shù)實現(xiàn)
實現(xiàn)z-score標(biāo)準(zhǔn)化
#定義標(biāo)準(zhǔn)化函數(shù)
import numpy as np
def z_score_normalize(data):
mean = np.mean(data, axis=0)
std_dev = np.std(data, axis=0)
normalized_data = (data - mean) / std_dev
return normalized_data#調(diào)用
X=df_sum.iloc[:,-3:]
b=z_score_normalize(X)
print(b)
文章來源：http://www.zghlxwxcb.cn/news/detail-506915.html
實現(xiàn)0-1標(biāo)準(zhǔn)化
#定義0-1標(biāo)準(zhǔn)化的代碼
import numpy as np
def normalize(X):
""" 對矩陣X進行0-1標(biāo)準(zhǔn)化 """
X_min = np.min(X, axis=0)
X_max = np.max(X, axis=0)
X_norm = (X - X_min) / (X_max - X_min)
return X_norm#實現(xiàn)與調(diào)用
X=df_sum.iloc[:,-3:]
b=normalize(X)
print(b)
文章來源地址http://www.zghlxwxcb.cn/news/detail-506915.html
到了這里，關(guān)于python實現(xiàn)z-score標(biāo)準(zhǔn)化和0-1標(biāo)準(zhǔn)化的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
