python中進行歸一化的方法

這篇文章將為大家詳細講解有關python中進行歸一化的方法，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。

歸一化 (Normalization)：

屬性縮放到一個指定的最大和最小值（通常是1-0）之間，這可以通過preprocessing.MinMaxScaler類實現。

常用的最小最大規范化方法(x-min(x))/(max(x)-min(x))

python實現歸一化的方法：

1、(0,1)標準化：

這是最簡單也是最容易想到的方法，通過遍歷feature vector里的每一個數據，將Max和Min的記錄下來，并通過Max-Min作為基數（即Min=0，Max=1）進行數據的歸一化處理：

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

2、Z-score標準化：

這種方法給予原始數據的均值（mean）和標準差（standard deviation）進行數據的標準化。經過處理的數據符合標準正態分布，即均值為0，標準差為1，這里的關鍵在于復合標準正態分布，個人認為在一定程度上改變了特征的分布，轉化函數為：

實現代碼：

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

3、Sigmoid函數：

Sigmoid函數是一個具有S形曲線的函數，是良好的閾值函數，在(0, 0.5)處中心對稱，在(0, 0.5)附近有比較大的斜率，而當數據趨向于正無窮和負無窮的時候，映射出來的值就會無限趨向于1和0，是個人非常喜歡的“歸一化方法”。

之所以打引號是因為我覺得Sigmoid函數在閾值分割上也有很不錯的表現，根據公式的改變，就可以改變分割閾值，這里作為歸一化方法，我們只考慮(0, 0.5)作為分割閾值的點的情況：

實現代碼：

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

關于python中進行歸一化的方法就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。