数据预处理：数据归一化MinMaxScaler

#数据预处理：数据归一化MinMaxScaler| 来源: 网络整理| 查看: 265

机器学习算法实践中，我们往往有着将不同规格的数据转换到同一规格，或将不同分布的数据转换到某个特定分布的需求，这种需求统称为将数据“无量纲化”。

在以梯度和矩阵为核心的算法中，譬如逻辑回归，支持向量机，神经网络，无量纲化可以加快求解速度；

在距离类模型，譬如K近邻，KMeans聚类中，无量纲化可以帮我们提升模型精度，避免某一个取值范围特别大的特征对距离计算造成影响。

一个特例是决策树和树的集成算法们，对决策树我们不需要无量纲化，决策树可以把任意数据都处理得很好。

数据的无量纲化可以是线性的，也可以是非线性的。线性的无量纲化包括中心化（Zero-centered或者Mean-subtraction）处理和缩放处理（Scale）。中心化的本质是让所有记录减去一个固定值，即让数据样本数据平移到某个位置。缩放的本质是通过除以一个固定值，将数据固定在某个范围之中，取对数也算是一种缩放处理。

preprocessing.MinMaxScaler

当数据(x)按照最小值中心化后，再按极差（最大值 - 最小值）缩放，数据移动了最小值个单位，并且会被收敛到[0,1]之间，而这个过程，就叫做数据归一化(Normalization，又称Min-Max Scaling)。注意，Normalization是归一化，不是正则化，真正的正则化是regularization，不是数据预处理的一种手段。归一化之后的数据服从正态分布，公式如下：

数据预处理：数据归一化MinMaxScaler_java_02

数据预处理：数据归一化MinMaxScaler_java_03

在sklearn当中，我们使用preprocessing.MinMaxScaler来实这个功能。MinMaxScaler有一个重要参数，feature_range，控制我们希望把数据压缩到的范围，默认是[0,1]。

# 数据缩放/数据归一化# MinMaxScaler：当数据(x)按照最小值中心化后，再按极差（最大值 - 最小值）缩放，数据被收敛到[0,1]之间from sklearn.preprocessing import MinMaxScaler data = [[-1, 2], [-0.5, 6], [0, 10], [1, 18]]dataimport pandas as pdpd.DataFrame(data) #实现归一化scaler = MinMaxScaler() #实例化# scaler = scaler.fit(data) #fit，在这里本质是生成min(x)和max(x)# result = scaler.transform(data) #通过接口导出结果# resultresult_ = scaler.fit_transform(data) #训练和导出结果一步达成result_# scaler.inverse_transform(result) #将归一化后的结果逆转 # #使用MinMaxScaler的参数feature_range实现将数据归一化到[0,1]以外的范围中 # data = [[-1, 2], [-0.5, 6], [0, 10], [1, 18]]# scaler = MinMaxScaler(feature_range=[5,10]) #依然实例化# result = scaler.fit_transform(data) #fit_transform一步导出结果# result # #当X中的特征数量非常多的时候，fit会报错并表示，数据量太大了我计算不了# #此时使用partial_fit作为训练接口# #scaler = scaler.partial_fit(data)

使用numpy来实现归一化：

import numpy as npX = np.array([[-1, 2], [-0.5, 6], [0, 10], [1, 18]])#归一化X_nor = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0))X_nor#逆转归一化X_returned = X_nor * (X.max(axis=0) - X.min(axis=0)) + X.min(axis=0)X_returned

【本文地址】

公司简介

联系我们