Python 归一化

在Python中，有多种方法可以进行归一化操作。其中两种常用的方法是min-max标准化和Z-score标准化。

min-max标准化是一种将数据缩放到指定范围的方法。下面是一个示例代码：

import numpy as np

arr = np.asarray(\[0, 10, 50, 80, 100\])

for x in arr:
    x = float(x - np.min(arr))/(np.max(arr)- np.min(arr))
    print(x)

运行以上代码，输出结果如下：

0.0
0.1
0.5
0.8
1.0

Z-score标准化是一种将数据转化为符合标准正态分布的方法。下面是一个示例代码：

import numpy as np

arr = np.asarray(\[0, 10, 50, 80, 100\])

for x in arr:
    x = float(x - arr.mean())/arr.std()
    print(x)

运行以上代码，输出结果如下：

-1.24101045599
-0.982466610991
0.0517087689995
0.827340303992
1.34442799399

除了min-max标准化和Z-score标准化，还有其他一些归一化方法，比如将特征转为单位向量的形式。这种方法适用于不考虑向量大小而需要考虑向量方向的问题，比如文本情感分类。在这种情况下，我们可能只关心情感的类型，而不关心情感的强度。
#### 引用[.reference_title]
- *1* *2* [数据归一化及两种常用归一化方法](https://blog.csdn.net/u010599509/article/details/51820770)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
- *3* [【python学习】数据预处理-如何归一化？](https://blog.csdn.net/s1k9y9/article/details/126957112)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]