归一化 python

归一化是一种常用的数据预处理方法，可以将数据转化为特定的范围内。在Python中，可以使用sklearn库的preprocessing模块来实现归一化。有两种常见的归一化方法，一种是将数据归一化到0到1之间，另一种是将数据归一化到-1到1之间。

- 归一化到0到1之间的方法可以使用preprocessing模块中的MinMaxScaler类。通过该类的fit_transform方法，可以将数据集的每个特征缩放到指定的范围内。

示例代码如下：

from sklearn import preprocessing
import numpy as np

X = np.array([[1., -1., 2.], 
              [2., 0., 0.], 
              [0., 1., -1.]])

min_max_scaler = preprocessing.MinMaxScaler()
X_minmax = min_max_scaler.fit_transform(X)

其中，X_minmax为归一化后的数据集。

- 归一化到-1到1之间的方法可以使用preprocessing模块中的scale函数。该函数可以对数据进行标准化处理，使得每个特征的均值为0，标准差为1。

示例代码如下：

from sklearn import preprocessing
import numpy as np

X = np.array([[1., -1., 2.], 
              [2., 0., 0.], 
              [0., 1., -1.]])

X_scaled = preprocessing.scale(X)

其中，X_scaled为归一化后的数据集。

通过使用这两种方法，可以根据具体需求将数据进行归一化处理。