numpy 归一化 与 标准化
代码
import numpy as npdef normalization(x):""""归一化到区间{0,1]返回副本"""_range = np.max(x) - np.min(x)return (x - np.min(x)) / _rangedef standardization(x):""""将输入x 正态标准化 (x - mu) / sigma ~ N(0,1)返回副本"""mu = np.mean(x, axis=0)sigma = np.std(x, axis=0)return (x - mu) / sigmaYUAN = np.random.randint(3, 70, size=5)
a = normalization(YUAN)
b = standardization(YUAN)
print(YUAN, "normalization:", a)
print(YUAN is a)
print(YUAN, "standardization:", b)
print(YUAN is b)
结果
[33 50 60 12 32] normalization: [0.4375 0.79166667 1. 0. 0.41666667]
False
[33 50 60 12 32] standardization: [-0.26647587 0.76308999 1.36871697 -1.53829253 -0.32703857]
False
sklearn.preprocessing.scale 能沿某个轴标准化
import numpy as np
from sklearn import preprocessingdef standardization(x):""""将输入x 正态标准化 (x - mu) / sigma ~ N(0,1)返回副本"""mu = np.mean(x, axis=0)sigma = np.std(x, axis=0)return (x - mu) / sigmaYUAN = np.random.randint(3, 70, size=5)
a = standardization(YUAN)
b = preprocessing.scale(YUAN)print(YUAN, "normalization:", a)
print(YUAN, "preprocessing.scale:", b)print(a == b)
结果
[ 8 14 64 51 61] normalization: [-1.32656065 -1.07468204 1.02430632 0.47856935 0.89836702]
[ 8 14 64 51 61] preprocessing.scale: [-1.32656065 -1.07468204 1.02430632 0.47856935 0.89836702]
[ True True True True True]
numpy 归一化 与 标准化相关推荐
- numpy 归一化_归一化(MinMax)和标准化(Standard)的区别
此文参考https://blog.csdn.net/u010947534/article/details/86632819 定义上的区别 归一化:将数据的值压缩到0到1之间,公式如下 标准化:将数据所 ...
- 特征工程:归一化与标准化
样本特征由于来源以及度量单位不同,它们的尺度(Scale),或者说是取值范围有可能差异很大.如果一个机器学习算法在缩放全部或者部分特征后不影响它的学习和预测,我们就称该算法具有尺度不变性(Scale ...
- 机器学习算法 01 —— K-近邻算法(数据集划分、归一化、标准化)
文章目录 系列文章 K-近邻算法 1 什么是K-近邻算法 1.1 K-近邻算法(KNN)概念 1.2 举例说明K-近邻算法 1.3 K-近邻算法流程总结 2 K-近邻算法API初步使用 2.1 Sci ...
- Pytorch图像预处理——归一化、标准化
在深度学习图像分类.物体检测等过程中,首先要对图像进行归一化和标准化. 原理: 归一化: 式中,input表示输入的图像像素值:max().min()分别表示输入像素的最大值和最小值.output为输 ...
- python实现归一化与标准化
数据预处理-Sklearn实现归一化与标准化并plot 数据集是:https://archive.ics.uci.edu/ml/datasets/wine (这里只选前三列) 完整代码 import ...
- python 归一化_Python 数据归一化、标准化、正则化 (机器学习)
数据归一化.标准化.正则化 1.归一化 是将数据放缩到0~1区间,利用公式(x-min)/(max-min) 2.标准化 将数据转化为标准的正态分布,均值为0,方差为1 3.正则化 正则化的主要作用是 ...
- python scale标准化函数_归一化与标准化
(一) 特征缩放定义特征缩放是用来统一资料中的自变项或特征范围的方法,在资料处理中,通常会被使用在资料前处理这个步骤.因为在原始的资料中,各变数的范围大不相同. (二) 特征缩放的目的对于大多数的机器 ...
- python 数据归一化/标准化方法与代码(离差标准化,log归一化,标准化,比例归一化,反正切归一化)
下面是一些常用的归一化.标准化的方法: 离差标准化 log归一化 标准化 比例归一化 反正切归一化 代码示例 import numpy as npdef min_max_normalization(v ...
- python数据挖掘学习01:数据归一化与标准化
数据归一化与标准化均是数据特征无量纲化处理方式,而无量纲化是指通过一个合适的变量替代,将一个涉及物理量的方程的部分或全部的单位移除,以求简化实验或者计算的目的,是科学研究中一种重要的处理思想. 无量纲 ...
最新文章
- Unity3D 镜面反射
- 前端的各种各样的面试题大全
- numpy报错:ModuleNotFoundError: No module named 'numpy.core._multiarray_umath'(解决办法:安装更高版本的numpy)
- docker,containerd,runc,docker-shim之间的关系
- OutOFMemoryError
- SAP Marketing Cloud功能简述(四) : 线索和客户管理
- 计算机操作系统(9):深入理解B/S与C/S架构
- 【Android基础】页面跳转与传值(Activity跳转与传值)
- LeetCode(606)——根据二叉树创建字符串(JavaScript)
- 拓端tecdat|R语言作图不显示中文解决办法,如何使用中文字体
- 前端基础--jquery
- java编写一个方法printn_Java语言程序设计 基础篇 原书第10版 ,梁勇著 (第六章)编程练习题...
- Linux深度学习框架安装
- 微信小程序:微信零钱模拟器微信小程序源码下载查收充电器自动充钱
- Nero8直接把APE带CUE映像文件刻录CD方法(转帖)
- 【Wwise】一篇文看懂WwiseUnity热更
- linux中的makefile文件
- 读源码品Caffe - 结构流程篇
- Ionic Capacitor 插件开发
- 收藏上全募金资模式及策略
热门文章
- 微信小程序拼团进度,显示当前刻度,未到刻度点时显示在中间
- “GANs之父”Goodfellow 38分钟视频亲授:如何完善生成对抗网络?(上)
- 6 生僻字_《生僻字》歌词拼音与注释,跟着音乐学汉字
- 应用ArcGIS和COORD软件进行坐标七参数转换的方法
- 微信小程序 云开发 欢迎登录注册
- 《速度与激情》男主演保罗沃克车祸身亡,再见速度再见难续的激情
- 火山快手伪原创视频热门
- 异常处理·EF·准备命令定义时发生错误。有关详细信息,请参阅内部异常
- 快速缓解过敏的简单技巧
- 搭建Snipeit资产管理系统