python 特点归一化
在机器学习中,特点归一化是一项重要的预处理步骤。特点归一化的目的是将区别范围的特点值缩放到相同的范围,并且在一些模型中能够提升模型的效果。
import numpy as np def min_max_scaling(feature): """ min-max scaling,归一化到[0, 1]之间 """ return (feature - np.min(feature)) / (np.max(feature) - np.min(feature)) def z_score_scaling(feature): """ z-score scaling,标准差归一化 """ return (feature - np.mean(feature)) / np.std(feature)
代码中实现了两种常见的特点归一化方法,分别是min-max scaling和z-score scaling。
min-max scaling将特点值缩放到[0,1]之间,公式为:
X' = (X - Xmin) / (Xmax- Xmin)
其中,X是原始特点值,X'min和X'max是归一化后的区间值。
z-score scaling则是将特点值转化为标准正态散布,公式为:
X' = (X - μ) / σ
其中,μ是特点值的均值,σ是特点值的标准差,X'是归一化后的特点值。
在python中,我们可使用numpy库来实现特点归一化的操作。使用该库可以方便地对全部数组或矩阵进行向量化操作,提高了代码的效力。
文章来源:丸子建站
文章标题:python 特点归一化
https://www.wanzijz.com/view/60904.html