- 通過衣服尺碼的例子，介紹一種使用特征縮放的簡單情況
-
一種簡單的特征縮放公式（歸一化）和實現(xiàn)
歸一化特征縮放公式
# Python code
def featureScaling(arr):
scale = max(arr) - min(arr)
res = []
for elem in arr:
res.append( float(elem - min(arr))/scale )
return res
-
sklearn中的Min-Max Scalar特征縮放器
# 課程中與此例不同，直接使用了 fit_trasform() 函數(shù)
>>> from sklearn.preprocessing import MinMaxScaler
>>>
>>> data = [[-1, 2], [-0.5, 6], [0, 10], [1, 18]]
>>> scaler = MinMaxScaler()
>>> print(scaler.fit(data))
MinMaxScaler(copy=True, feature_range=(0, 1))
>>> print(scaler.data_max_)
[ 1. 18.]
>>> print(scaler.transform(data))
[[ 0. 0. ]
[ 0.25 0.25]
[ 0.5 0.5 ]
[ 1. 1. ]]
>>> print(scaler.transform([[2, 2]]))
[[ 1.5 0. ]]
-
哪些算法的結(jié)果會收到特征縮放的影響？ image.png
- 特征縮放迷你項目。
