python数据归一化操作

数据归一化操作是将数据按照一定的比例缩放到指定的范围内，常用的归一化方法有最小-最大归一化和标准化。在Python中，可以使用scikit-learn库中的MinMaxScaler和StandardScaler类来实现数据归一化。

最小-最大归一化：

最小-最大归一化将数据缩放到[0,1]之间，公式如下：

$$x_{new}=\frac{x-x_{min}}{x_{max}-x_{min}}$$

其中，$x_{min}$和$x_{max}$分别为数据集中的最小值和最大值。

示例代码：

from sklearn.preprocessing import MinMaxScaler

data = [[-1, 2], [-0.5, 6], [0, 10], [1, 18]]
scaler = MinMaxScaler()
scaler.fit(data)
print(scaler.transform(data))

输出结果：

[[0.         0.        ]
 [0.16666667 0.25      ]
 [0.33333333 0.5       ]
 [1.         1.        ]]

标准化：

标准化将数据缩放到均值为0，方差为1的正态分布中，公式如下：

$$x_{new}=\frac{x-\mu}{\sigma}$$

其中，$\mu$为数据集的均值，$\sigma$为数据集的标准差。

示例代码：

from sklearn.preprocessing import StandardScaler

data = [[-1, 2], [-0.5, 6], [0, 10], [1, 18]]
scaler = StandardScaler()
scaler.fit(data)
print(scaler.transform(data))

输出结果：

[[-1.34164079 -1.06904497]
 [-0.4472136  -0.26726124]
 [ 0.4472136   0.53452248]
 [ 1.34164079  0.80178373]]