人工智能视频教程 ai vip技术 人工智能数学基础 爬虫 python机器学习 tensorflow深度学习 20+个企业AI实战项目

 找回密码
 立即注册

QQ登录

只需一步,快速开始

搜索
热搜: 活动 交友 discuz
查看: 50|回复: 0

[课堂笔记] 数据归一化的方式

[复制链接]

803

主题

1003

帖子

9984

积分

管理员

Rank: 10Rank: 10Rank: 10

积分
9984
QQ
发表于 2019-9-11 10:38:05 | 显示全部楼层 |阅读模式



数据归一化的方式


from sklearn.preprocessing import MinMaxScaler
最值归一化 normalization :把所有数据映射到0-1之间 适用于分布有明显边界的情况


from sklearn.preprocessing import StandardScaler
均值方差归一化 standardization :把所有数据归一化到均值为0 方差为1的分布中 没有明显的边界的情况也适用


  1. import numpy as np


  2. class StandardScaler:

  3.     def __init__(self):
  4.         self.mean_ = None
  5.         self.scale_ = None

  6.     def fit(self, X):
  7.         """根据训练数据集X获得数据的均值和方差"""
  8.         assert X.ndim == 2, "The dimension of X must be 2"

  9.         self.mean_ = np.array([np.mean(X[:,i]) for i in range(X.shape[1])])
  10.         self.scale_ = np.array([np.std(X[:,i]) for i in range(X.shape[1])])

  11.         return self

  12.     def transform(self, X):
  13.         """将X根据这个StandardScaler进行均值方差归一化处理"""
  14.         assert X.ndim == 2, "The dimension of X must be 2"
  15.         assert self.mean_ is not None and self.scale_ is not None, \
  16.                "must fit before transform!"
  17.         assert X.shape[1] == len(self.mean_), \
  18.                "the feature number of X must be equal to mean_ and std_"

  19.         resX = np.empty(shape=X.shape, dtype=float)
  20.         for col in range(X.shape[1]):
  21.             resX[:,col] = (X[:,col] - self.mean_[col]) / self.scale_[col]
  22.         return resX
复制代码



让天下人人学会人工智能!人工智能的前景一片大好!
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|Archiver|手机版|小黑屋|人工智能工程师的摇篮 ( 湘ICP备18018285号-1 )

GMT+8, 2019-9-21 01:03 , Processed in 0.180308 second(s), 19 queries .

Powered by Discuz! X3.4

© 2001-2017 Comsenz Inc.

快速回复 返回顶部 返回列表