python中的标准化

from sklearn.preprocessing import StandardScaler
data = [[1, 2, 3],
        [4, 5, 6]]

# 对数据进行标准化处理

# <1>. 实例化转换数据的对象
trans = StandardScaler()

# <2>. 调用fit_transform 直接进行转换
data = trans.fit_transform(data)

# <3>. 打印转换数据的结果
print(data)


data2 = [[5, 6, 7],
         [8, 9, 10]]

data2 = trans.transform(data2)

print(data2)

# demo: 使用标准化处理数据, 制作鸢尾花模型.

# 导入鸢尾花数据集
from sklearn.datasets import load_iris
# 导入标准化处理数据的方法
from sklearn.preprocessing import StandardScaler
# 导入分割数据集的方法
from sklearn.model_selection import train_test_split
# 导入算法的api
from sklearn.neighbors import KNeighborsClassifier


def flower():

    # 1. 获取数据集
    lr = load_iris()

    # 2. 确定特征值与目标值
    x = lr.data
    y = lr.target

    # 分割数据集
    x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3)

    # 3. 标准化处理数据
    std = StandardScaler()

    # 4. 对数据进行处理
    x_train = std.fit_transform(x_train)
    x_test = std.transform(x_test)

    # 5. 实例化转换数据的对象
    estimate = KNeighborsClassifier()

    estimate.fit(x_train, y_train)

    print(estimate.score(x_test, y_test))

    return None


flower()