品易云推流 关闭
文章详情页
文章 > Python常见问题 > python中怎么进行归一化?

python中怎么进行归一化?

头像

yang

2020-05-22 10:18:376459浏览 · 0收藏 · 0评论

归一化 (Normalization):

属性缩放到一个指定的和最小值(通常是1-0)之间,这可以通过preprocessing.MinMaxScaler类实现。

常用的最小规范化方法(x-min(x))/(max(x)-min(x))

python实现归一化的方法:

1、(0,1)标准化:

这是最简单也是最容易想到的方法,通过遍历feature vector里的每一个数据,将Max和Min的记录下来,并通过Max-Min作为基数(即Min=0,Max=1)进行数据的归一化处理:

def MaxMinNormalization(x,Max,Min):
    x = (x - Min) / (Max - Min);
    return x

2、Z-score标准化:

这种方法给予原始数据的均值(mean)和标准差(standard deviation)进行数据的标准化。经过处理的数据符合标准正态分布,即均值为0,标准差为1,这里的关键在于复合标准正态分布,个人认为在一定程度上改变了特征的分布,转化函数为:

实现代码:

def Z_ScoreNormalization(x,mu,sigma):
    x = (x - mu) / sigma;
    return x

3、Sigmoid函数:

Sigmoid函数是一个具有S形曲线的函数,是良好的阈值函数,在(0, 0.5)处中心对称,在(0, 0.5)附近有比较大的斜率,而当数据趋向于正无穷和负无穷的时候,映射出来的值就会趋向于1和0,是个人非常喜欢的“归一化方法”。

之所以打引号是因为我觉得Sigmoid函数在阈值分割上也有很不错的表现,根据公式的改变,就可以改变分割阈值,这里作为归一化方法,我们只考虑(0, 0.5)作为分割阈值的点的情况:

实现代码:

def sigmoid(X,useStatus):
    if useStatus:
        return 1.0 / (1 + np.exp(-float(X)));
    else:
        return float(X)

更多Python知识请关注Python自学网

关注

关注公众号,随时随地在线学习

本教程部分素材来源于网络,版权问题联系站长!

底部广告图