详解python实现数据归一化处理的方式：（0,1）标准化
更新时间：2019年07月17日 15:21:12 作者：会呼吸的梦
这篇文章主要介绍了详解python实现数据归一化处理的方式：（0,1）标准化，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
在机器学习过程中，对数据的处理过程中，常常需要对数据进行归一化处理，下面介绍（0， 1）标准化的方式，简单的说，其功能就是将预处理的数据的数值范围按一定关系“压缩”到（0，1）的范围类。
通常（0， 1）标注化处理的公式为：
即将样本点的数值减去最小值，再除以样本点数值最大与最小的差，原理公式就是这么基础。
下面看看使用python语言来编程实现吧
import numpy as np
import matplotlib.pyplot as plt
def noramlization(data):
minVals = data.min(0)
maxVals = data.max(0)
ranges = maxVals - minVals
normData = np.zeros(np.shape(data))
m = data.shape[0]
normData = data - np.tile(minVals, (m, 1))
normData = normData/np.tile(ranges, (m, 1))
return normData, ranges, minVals
x = np.array([[78434.0829, 26829.86612], [78960.4042, 26855.13451], [72997.8308, 26543.79201],
[74160.2849, 26499.56629], [75908.5746, 26220.11996], [74880.6989, 26196.03995],
[74604.7169, 27096.87862], [79547.6796, 25986.68579], [74997.7791, 24021.50132],
[74487.4915, 26040.18441], [77134.2636, 24647.274], [74975.2792, 24067.31441],
[76013.5305, 24566.02273], [79191.518, 26840.29867], [80653.4589, 25937.22248],
[79185.9935, 26996.18228], [74426.881, 24227.71439], [73246.4295, 26561.59268],
[77963.1478, 25580.05298], [74469.8778, 26082.15448], [81372.3787, 26649.69232],
[76826.8262, 24549.77367], [77774.2608, 25999.96037], [79673.1361, 25229.04353],
[75251.7951, 24902.72185], [78458.073, 23924.15117], [82247.5439, 29671.33493],
[82041.2247, 27903.34268], [80083.2029, 28692.35517], [80962.0043, 28519.81002],
[79799.8328, 28740.27736], [80743.9947, 28862.75402], [80888.449, 29724.53706],
[81768.4638, 30180.20618], [80283.8783, 30417.55057], [79460.7078, 29092.52867],
[75514.1202, 28071.73721], [80595.5945, 30292.25917], [80750.4876, 29651.32254],
[80020.662, 30023.70025], [82992.3395, 29466.83067], [80185.5946, 29943.15481],
[81854.6163, 29846.18257], [81526.4017, 30218.27078], [79174.5312, 29960.69999],
[78112.3051, 26467.57545], [80262.4121, 29340.23218], [81284.9734, 28257.71529],
[81928.9905, 28752.84811], [80739.2727, 29288.85126], [83135.3435, 30223.4974],
[83131.8223, 29049.10112], [82549.9076, 28910.15209], [81574.0822, 28326.55367],
[80507.399, 28553.56851], [82956.2103, 29157.62372], [81909.7132, 29359.24497],
[80893.5603, 29326.64155], [82520.1272, 30424.96703], [82829.8548, 31062.24418],
[80532.1495, 29198.10407], [80112.7963, 29143.47905], [81175.0882, 28443.10574]])
newgroup, _, _ = noramlization(x)
newdata = newgroup
plt.scatter(x[:, 0], x[:, 1], marker='*', c='r', s=24)
plt.show()
print(len(x[:, 0]))
print(len(x[:, 1]))
print(newdata)
将数据进行归一化处理后，并使用matplotlib绘制出处理后的散点图分布如下：
可以看到数据的数值范围均为（0，1）之间了
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。
相关文章
这篇文章主要介绍了python读写Excel表格的方法，本文通过实例代码给大家介绍的非常详细，具有一定的参考借鉴价值，需要的朋友可以参考下2019-12-12
解决pyecharts运行后产生的html文件用浏览器打开空白
这篇文章主要介绍了解决pyecharts运行后产生的html文件用浏览器打开空白，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-03-03
Python的虚拟环境是正常的现实环境相对应的,在虚拟环境中安装的包是与现实环境隔离的,下面这篇文章主要给大家介绍了关于pycharm创建并使用虚拟环境的详细图文教程,需要的朋友可以参考下2022-08-08
本文主要介绍了PyQt5 designer 页面点击按钮跳转页面实现，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2022-01-01
这篇文章主要介绍了python如何获取tensor()数据类型中的值，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-07-07
本篇文章通过代码实例给大家详细分享了关于python中的序列化知识点内容，有兴趣的朋友们可以学习下。2018-10-10
Python标准库中的uuid模块提供生成UUID的多种方法实现,本文就来介绍一下Python内置模块UUID的具体使用,感兴趣的可以了解一下2024-12-12
今天小编就为大家分享一篇关于Python3中关于cookie的创建与保存的文章，小编觉得内容挺不错的，现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧2018-10-10
本篇文章主要介绍了理解Python中的绝对路劲和相对路径 ，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-08-08
这篇文章主要介绍了详解详解Python中writelines()方法的使用,是Python入门学习中的基础知识,需要的朋友可以参考下2015-05-05
最新评论