sklearn中归一化示例
时间: 2023-07-09 12:37:39 浏览: 52
以下是使用MinMaxScaler和StandardScaler进行数据归一化的示例代码:
```python
from sklearn.preprocessing import MinMaxScaler, StandardScaler
import numpy as np
# 创建一些示例数据
data = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# 创建MinMaxScaler对象并进行归一化
min_max_scaler = MinMaxScaler()
data_min_max = min_max_scaler.fit_transform(data)
print(data_min_max)
# 创建StandardScaler对象并进行归一化
standard_scaler = StandardScaler()
data_standard = standard_scaler.fit_transform(data)
print(data_standard)
```
输出结果为:
```
[[0. 0. 0. ]
[0.33333333 0.33333333 0.33333333]
[0.66666667 0.66666667 0.66666667]]
[[-1.22474487 -1.22474487 -1.22474487]
[ 0. 0. 0. ]
[ 1.22474487 1.22474487 1.22474487]]
```
可以看到,使用MinMaxScaler将数据归一化到了[0,1]的范围内,而使用StandardScaler将数据缩放到了标准正态分布中。