多个特征归一化处理代码
时间: 2023-08-25 22:23:50 浏览: 39
以下是Python代码,实现对多个特征进行归一化处理:
```python
import numpy as np
# 定义最小-最大规范化函数
def min_max_normalization(x):
x_min = np.min(x)
x_max = np.max(x)
x_norm = (x - x_min) / (x_max - x_min)
return x_norm
# 定义Z-score标准化函数
def z_score_normalization(x):
x_mean = np.mean(x)
x_std = np.std(x)
x_norm = (x - x_mean) / x_std
return x_norm
# 生成一个5x3的随机矩阵作为示例
x = np.random.rand(5, 3)
# 对每个特征分别进行最小-最大规范化
x_min_max_norm = np.zeros_like(x)
for i in range(x.shape[1]):
x_min_max_norm[:, i] = min_max_normalization(x[:, i])
# 对每个特征分别进行Z-score标准化
x_z_score_norm = np.zeros_like(x)
for i in range(x.shape[1]):
x_z_score_norm[:, i] = z_score_normalization(x[:, i])
# 输出归一化后的结果
print("原始矩阵:\n", x)
print("最小-最大规范化后的矩阵:\n", x_min_max_norm)
print("Z-score标准化后的矩阵:\n", x_z_score_norm)
```
该代码生成一个5x3的随机矩阵作为示例,然后分别对每个特征进行最小-最大规范化和Z-score标准化。最终输出归一化后的结果。