怎么进入企业的网站,外贸购物网站开发,做婚庆网站的功能定位,福步论坛外贸网标准化#xff08;Standardization#xff09;
sklearn的标准化过程#xff0c;即包括Z-Score标准化#xff0c;也包括0-1标准化#xff0c;并且即可以通过实用函数来进行标准化处理#xff0c;同时也可以利用评估器来执行标准化过程。接下来我们分不同功能以的不同实现…标准化Standardization
sklearn的标准化过程即包括Z-Score标准化也包括0-1标准化并且即可以通过实用函数来进行标准化处理同时也可以利用评估器来执行标准化过程。接下来我们分不同功能以的不同实现形式来进行讨论
Z-Score标准化的评估器实现方法 #首先是评估器导入
from sklearn.preprocessing import StandardScaler#评估器的实例化
scaler StandardScaler()#然后导入数据进行训练此处也是使用fit函数进行训练
X np.arange(15).reshape(5, 3)
scaler.fit(X)# 查看训练数据各列的标准差
scaler.scale_
# 查看训练数据各列的均值
scaler.mean_
# 查看训练数据各列的方差
scaler.var_
# 总共有效的训练数据条数
scaler.n_samples_seen_# 利用均值和方差对训练集进行标准化处理
scaler.transform(X)0-1标准化的评估器实现方法
from sklearn.preprocessing import MinMaxScaler#然后导入数据进行训练
X np.arange(15).reshape(5, 3)
scaler MinMaxScaler()
scaler.fit_transform(X)归一化Normalization
和标准化不同sklearn中的归一化特指将单个样本一行数据放缩为单位范数1范数或者2范数为单位范数的过程归一化也有函数实现和评估器实现两种方法。 此前我们曾解释到关于范数的基本概念假设向量 x [ x 1 , x 2 , . . . , x n ] T x [x_1, x_2, ..., x_n]^T x[x1,x2,...,xn]T则向量x的1-范数的基本计算公式为 ∣ ∣ x ∣ ∣ 1 ∣ x 1 ∣ ∣ x 2 ∣ . . . ∣ x n ∣ ||x||_1 |x_1||x_2|...|x_n| ∣∣x∣∣1∣x1∣∣x2∣...∣xn∣ 即各分量的绝对值之和。而向量x的2-范数计算公式为 ∣ ∣ x ∣ ∣ 2 ( ∣ x 1 ∣ 2 ∣ x 2 ∣ 2 . . . ∣ x n ∣ 2 ) ||x||_2\sqrt{(|x_1|^2|x_2|^2...|x_n|^2)} ∣∣x∣∣2(∣x1∣2∣x2∣2...∣xn∣2) 我们可以调用评估器来实现上述过程
from sklearn.preprocessing import Normalizer#导入数据进行训练
X np.arange(15).reshape(5, 3)# L2 默认
normlize Normalizer()
normlize.fit_transform(X)# L1
normlize Normalizer(norml1)
normlize.fit_transform(X)
