zscore标准化步骤_归一化z-score标准化

z-score标准化

z-score标准化是将数据按比例缩放，使之落入一个特定区间。 要求：均值 μ = 0 ，σ = 1

标准差公式：

image

z-score标准化转换公式：

image

归一化

归一化：把数变为(0，1)之间的小数

归一化公式：

image

这里利用sklearn的MinMaxScaler和StandardScaler两个类，对所有数据进行归一化处理

import pandas as pd

from sklearn import preprocessing

from sklearn.preprocessing import MinMaxScaler

from sklearn.preprocessing import StandardScaler

# 读取数据

features = ['accommodates','bedrooms','bathrooms','beds','price','minimum_nights','maximum_nights','number_of_reviews']

dc_listings = pd.read_csv(r'D:\codes_jupyter\数据分析_learning\课件\05_K近邻\listings.csv', engine='python')

dc_listings = dc_listings[features]

# 对price列进行一定的处理，使其变成float型

dc_listings['price'] = dc_listings.price.str.replace(r'\$|,', '').astype(float)

# 对缺失值进行处理,删除有缺失值的数据

dc_listings = dc_listings.dropna()

# 归一化

dc_listings[features] = MinMaxScaler().fit_transform(dc_listings)

# 标准化

# dc_listings[features] = StandardScaler().fit_transform(dc_listings)

print(dc_listings.shape)

dc_listings.head()

输出结果如下：

image

得到标准化的数据后，就可以利用多个指标对房租价格进行预测了。