Python scikit-learn，数据的预处理，归一化，MinMaxScaler

秒速五厘米 2022-03-17 12:38 157阅读 0赞

**数据的预处理**：通过特定的统计方法（数学方法）将数据转换成算法要求的数据

数值型数据：标准缩放：归一化、标准化、缺失值处理

类别型数据(字典类型)：one-hot编码

时间类型：时间的切分(重采样)

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXlhbmh1YTE_size_16_color_FFFFFF_t_70][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXlhbmh1YTE_size_16_color_FFFFFF_t_70 1][]

**为什么要归一化？** 归一化之后可以平衡各个特征的重要性。(例如在计算不同样本之间的距离时，归一化后可以避免某一个特征的重要性过大或过小)

**归一化的缺点：**归一化受异常点(最大值，最小值)的影响较大。 归一化适用于精确小数据。

--------------------

**demo.py（scikit-learn，数据的预处理，归一化，MinMaxScaler）：**

from sklearn.preprocessing import MinMaxScaler
    
    
    # 归一化处理
    mm = MinMaxScaler(feature_range=(2, 3))  # feature_range表示归一化后的区间范围 默认[0,1]之间
    data = mm.fit_transform([[90, 2, 10, 40], [60, 4, 15, 45], [75, 3, 13, 46]])  # 二维数组
    
    print(data)
    '''
    [[3.         2.         2.         2.        ]
     [2.         3.         3.         2.83333333]
     [2.5        2.5        2.6        3.        ]]
    
    '''

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXlhbmh1YTE_size_16_color_FFFFFF_t_70]: /images/20220317/132eb099247a4441aebc988dbb38d12c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hvdXlhbmh1YTE_size_16_color_FFFFFF_t_70 1]: /images/20220317/620148e6859349cdb9a04f730f229e29.png