python 归一化-3
时间: 2023-08-16 11:10:12 浏览: 46
常见的归一化方法有最小-最大归一化和z-score标准化,下面分别介绍一下它们的Python实现方法。
最小-最大归一化:
```python
from sklearn.preprocessing import MinMaxScaler
import numpy as np
# 创建一个5*3的随机矩阵
data = np.random.randint(0, 100, (5, 3))
print("原始数据:\n", data)
# 创建MinMaxScaler对象,feature_range指定归一化的范围
scaler = MinMaxScaler(feature_range=(0, 1))
# 对数据进行归一化
data_normalized = scaler.fit_transform(data)
print("归一化后数据:\n", data_normalized)
```
z-score标准化:
```python
from sklearn.preprocessing import StandardScaler
import numpy as np
# 创建一个5*3的随机矩阵
data = np.random.randint(0, 100, (5, 3))
print("原始数据:\n", data)
# 创建StandardScaler对象
scaler = StandardScaler()
# 对数据进行标准化
data_standardized = scaler.fit_transform(data)
print("标准化后数据:\n", data_standardized)
```
以上代码中,`MinMaxScaler`和`StandardScaler`分别是sklearn库中的归一化和标准化类,可以很方便地进行数据处理。其中,`feature_range`参数指定归一化范围,`fit_transform`方法对数据进行归一化或标准化处理。