在機器學習演算法實踐中，我們往往有著將不同規格的資料轉換到同一規格，或不同分布的資料轉換到某個特定分布的需求，這種需求統稱為將資料「無量綱化」。譬如梯度和矩陣為核心的演算法中，譬如邏輯回歸，支援向量機，神經網路，無量綱化可以加快求解速度；而在距離類模型，譬如k近鄰，k-means聚類中，無量綱化可以幫我們提公升模型精度，避免某乙個取值範圍特別大的特徵對距離計算造成影響。（乙個特例是決策樹和樹的整合演算法們，對決策樹我們不需要無量綱化，決策樹可以把任意資料都處理得很好。）
資料的無量綱化可以是線性的，也可以是非線性的。線性的無量綱化包括中心化（zero-centered或者meansubtraction）處理和縮放處理（scale）。中心化的本質是讓所有記錄減去乙個固定值，即讓資料樣本資料平移到某個位置。縮放的本質是通過除以乙個固定值，將資料固定在某個範圍之中，取對數也算是一種縮放處理。
當資料**(x)按照最小值中心化後，再按極差（最大值-最小值）縮放，資料移動了最小值個單位，並且會被收斂到[0,1]之間，而這個過程，就叫做資料歸一化(normalization），又稱（min-max scaling)**。注意，normalization是歸一化，不是正則化，真正的正則化是regularization，不是資料預處理的一種手段。歸一化之後的資料服從正態分佈。 minmaxscaler有乙個重要引數，feature_range，控制我們希望把資料壓縮到的範圍，預設是[0,1]。
當資料**(x)按均值(μ)中心化後，再按標準差(σ)縮放，資料就會服從為均值為0**，方差為1的正態分佈（即標準正態分佈），而這個過程，就叫做資料標準化(standardization，又稱z-score normalization)
大多數機器學習演算法中，會選擇standardscaler來進行特徵縮放，因為minmaxscaler對異常值非常敏感。在pca，聚類，邏輯回歸，支援向量機，神經網路這些演算法中，standardscaler往往是最好的選擇。minmaxscaler在不涉及距離度量、梯度、協方差計算以及資料需要被壓縮到特定區間時使用廣泛，比如數字影象處理中量化畫素強度時，都會使用minmaxscaler將資料壓縮於[0,1]區間之中。建議先試試看standardscaler，效果不好換minmaxscaler
導入庫並準備好以下資料
from sklearn.preprocessing import minmaxscaler
data = [[-1, 2], [-0.5, 6], [0, 10], [1, 18]]
import pandas as pd
pd.dataframe(data)
#實現歸一化
scaler = minmaxscaler() #例項化
scaler = scaler.fit(data) #fit，在這裡本質是生成min(x)和max(x)
result = scaler.transform(data) #通過介面匯出結果
result
result_ = scaler.fit_transform(data)
scaler.inverse_transform(result)
data = [[-1, 2], [-0.5, 6], [0, 10], [1, 18]]
scaler = minmaxscaler(feature_range=[5,10])
result = scaler.fit_transform(data)
result
from sklearn.preprocessing import standardscaler
data = [[-1, 2], [-0.5, 6], [0, 10], [1, 18]]
scaler = standardscaler() #例項化
scaler.fit(data)
scaler.mean_
scaler.var_
x_std = scaler.transform(data)
x_std.mean()
x_std.std()scaler.fit_transform(data)
scaler.inverse_transform(x_std)
資料預處理 特徵歸一化
對資料進行特徵歸一化 normalization 處理，可以使得資料的各個特徵處於同一數值量級，而不會導致模型學習出來的結果傾向於數值差別比較大的那些特徵。線性函式歸一化 min max scaling 對原始資料進行線性變換，是結果對映到 0,1 範圍，實現對原始資料的等比縮放。歸一化公式為 x ...
特徵工程與資料預處理
通常而言，特徵選擇是指選擇獲得相應模型和演算法最好效能的特徵集。資料和特徵決定了機器學習的上限，而模型和演算法只是逼近這個上限而已。從這個概念可以看出，特徵工程其實是乙個如何展示和表現資料的問題，在實際工作中需要把資料以一種 良好 的方式展示出來，使得能夠使用各種各樣的機器學習模型來得到更好的效果。...
資料預處理 歸一化
歸一化是一種資料預處理方法，就是要把你需要處理的資料經過處理後 通過某種演算法 限制在你需要的一定範圍內，為了後面資料處理的方便，其次是保正程式執行時 收斂加快 歸一化的三種方法 1 線性函式轉換 表示式如下 y x minvalue maxvalue minvalue 說明 x y分別為轉換前 後...