数据特征处理

在机器学习的算法训练中，有很多数据的特征值不止一个，特征值中有些属性的数字过大，从而对计算结果的影响太大，但是实际情况是每个属性都同等重要，这时候就要处理这种不同取值范围的特征值，通常采用数值归一化，将取值范围处理为0-1或者其他范围之间。

1.数据归一化：

sklearn归一化API

from sklearn.preprocessing import MinMaxScaler

举例：

mm=MinMaxScaler(feature_range=(0,1))#feature_range默认为0到1可以更改 data=mm.fit_transform([[90,20,4,10],[40,24,3,20],[70,30,5,30]]) print(data)

结果：

sklearn标准化API（正态分布）

举例

st=StandardScaler() data=st.fit_transform([[1,-1,3],[2,4,2],[4,6,-1]]) print(data)

结果