溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章將為大家詳細講解有關基于python實現歸一化處理的案例分析，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。
一、定義
歸一化方法有兩種形式，一種是把數變為（0，1）之間的小數，一種是把有量綱表達式變為無量綱表達式。主要是為了數據處理方便提出來的，把數據映射到0～1范圍之內處理，更加便捷快速。
二、目的
不同評價指標往往具有不同的量綱和量綱單位，這樣的情況會影響到數據分析的結果，為了消除指標之間的量綱影響，需要進行數據標準化處理，以解決數據指標之間的可比性。其具體針對的是奇異樣本數據，奇異樣本數據指的是相對于其他輸入樣本特別大或特別小的樣本矢量，如[0.34,0.51,0.44,222][0.34,0.51,0.44,128]中最后一列元素就是奇異樣本數據。
三、常見標準化方法
1.最大-最小標準化映射到區間[0,1]
2.Z-score標準化結果聚集在0附近方差為1
四、矩陣的歸一化
矩陣的列歸一化，就是將矩陣每一列的值，除以每一列所有元素平方和的絕對值，這樣做的結果就是，矩陣每一列元素的平方和為1了。
五、python歸一化
其中參數axis=0表示列也是跨行的意思axis=1表示行也是跨列的意思
fromsklearn.preprocessingimportnormalize data=np.array([ [1000,10,0.5], [765,5,0.35], [800,7,0.09],]) data=normalize(data,axis=0,norm='max') print(data) >>[[1.1.1.] [0.7650.50.7] [0.80.70.18]]
關于“基于python實現歸一化處理的案例分析”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，使各位可以學到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
