python 归一化处理代码,0到1之间
时间: 2024-10-11 12:00:31 浏览: 9
在Python中,归一化(Normalization)是一种常见的数据预处理步骤,它将数值特征缩放到0到1的范围内,以便于模型训练和可视化。最常用的归一化方法有两种:最小-最大缩放(Min-Max Scaling)和z-score标准化。
**最小-最大缩放(Min-Max Scaling)**:
```python
from sklearn.preprocessing import MinMaxScaler
def min_max_normalize(data):
scaler = MinMaxScaler()
normalized_data = scaler.fit_transform(data)
return normalized_data
# 示例:
data = [[1, 50], [2, 60], [3, 70]] # 假设这是你要归一化的数据
normalized_data = min_max_normalize(data)
```
**Z-Score标准化(Standardization)**:
```python
from sklearn.preprocessing import StandardScaler
def z_score_standardize(data):
scaler = StandardScaler()
standardized_data = scaler.fit_transform(data)
return standardized_data
# 示例:
standardized_data = z_score_standardize(data)
```
在上述代码中,`fit_transform`会同时计算转换参数并应用于数据。如果你想在新的未见过的数据上应用同样的归一化,可以只使用`scaled.transform(new_data)`。
阅读全文