数据预处理之归一化(normalization)

概念介绍：

归一化是利用特征的最大最小值，将特征的值缩放到[new_min,new_max]区间，对于每一列的特征使用min-max函数进行缩放，计算公式如下

代码示例：

import numpy as np
from sklearn.preprocessing import MinMaxScaler,StandardScaler
 
### Machine LearningAction Chapter2 rewrite
def file2matrix(filename):
    data= np.genfromtxt(filename,delimiter="\t")
    returnMat=data[:,0:3]
    classLabelVector=data[:,3:4]
    return returnMat,classLabelVector
 
def autoNorm(dataset):
    x = dataset[:, 0:1]
    #method1 用skit-learn封装的MinMaxScaler处理
    minMax = MinMaxScaler()
    x_std = minMax.fit_transform(x)
    print(x.min())
    print(x.max())
    print(x[2])
    print((26052-0)/91273)
    print(x_std[2])
 
    ##method2 use lambda
    a = lambda x: (x -x.min())/(x.max()-x.min())
    print(a(x)[2])
   
if __name__ =='__main__':
    returnMat,classLabelVector=file2matrix('F:\\datingTestSet2.txt')
    autoNorm(returnMat)

执行结果：

数据集示意：