正文

python如何将矩阵归一化

小六 /26 浏览量
0306

在Python中，矩阵归一化可以通过`sklearn.preprocessing`库中的`MinMaxScaler`或`StandardScaler`实现。以下是使用这两种方法的示例代码：

使用`MinMaxScaler`进行归一化

 from sklearn.preprocessing import MinMaxScaler import numpy as np 假设这是我们的原始数据 data = np.array（[[1, 1000], [5, 1500], [10, 2000]]） 创建MinMaxScaler对象 scaler = MinMaxScaler（） 进行归一化处理 scaled_data = scaler.fit_transform（data） print（scaled_data）

使用`StandardScaler`进行标准化

 from sklearn.preprocessing import StandardScaler import numpy as np  假设这是我们的原始数据 data = np.array（[[1, 1000], [5, 1500], [10, 2000]]） 创建StandardScaler对象 scaler = StandardScaler（） 进行标准化处理 standardized_data = scaler.fit_transform（data） print（standardized_data）

解释

`MinMaxScaler`将数据缩放到[0,1]区间，使用公式`x = （x - min） / （max - min）`。

`StandardScaler`将数据缩放到均值为0，标准差为1，使用公式`z = （x - μ） / σ`，其中`μ`是均值，`σ`是标准差。

请根据你的具体需求选择合适的归一化方法。

-- 展开阅读全文 --