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 ...

numpy 归一化与标准化

numpy 归一化与标准化相关推荐

最新文章

热门文章

numpy 归一化 与 标准化

numpy 归一化 与 标准化相关推荐

最新文章

热门文章

numpy 归一化与标准化

numpy 归一化与标准化相关推荐