Python数据分析学习笔记：使用SciKit-Learn进行数据规范化

Python数据分析学习笔记：使用SciKit-Learn进行数据规范化

数据规范化是数据挖掘的一项基础工作。不同评价指标往往具有不同的量纲，数值见的差别可能很大，不进行处理可能会影响到数据分析的结果。为了消除指标之间的量纲和取值范围差异的影响，需要进行标准化处理，将数据按照比例进行缩放，使之落入一个特定的区域，比如[0, 1]，便于进行综合分析。

SciKit-Learn是Python的重要机器学习库，封装了大量的机器学习算法，比如分类、聚类、回归、降维等，此外，还包括了数据变换模块，下面我们来学习使用SciKit-Learn提供的数据转换模块进行数据规范化。

一、Min-Max规范化

Min-Max规范化也称为离散标准化，是对原始数据的线性变换，将数据值映射到[0, 1]之间。

公式：新数值 = (原数值 - 最小值) / (最大值 - 最小值)

SciKit-Learn里有个MinMaxScaler函数可以将原始数据映射到[min, max]区间，默认情况下，[min, max]就是[0, 1]。

但是可以通过规范器(MinMaxScaler)设置参数：scaler.set_params().feature_range = (a, b)，于是[min, max] = [a, b]。

1、导入模块

文章来源: howard2005.blog.csdn.net，作者：howard2005，版权归原作者所有，如需转载，请联系作者。

原文链接：howard2005.blog.csdn.net/article/details/102778309