特征缩放 | 归一化和标准化（上）

什么是特征缩放:

　　就是将全部数据映射到同一尺度。如:

　　某训练集 x_train 为:

　　

                                  (x_trian)

　　将其进行某种特征缩放以后,获得新的值:

　　

 　　　　　　显然通过特征缩放以后，特征值变小了

          

为何要进行特征缩放呢？

有些特征的值是有区间界限的，如年龄，体重。而有些特征的值是能够无限制增长，如计数值。

因此特征与特征之间数值的差距会对模型产生不良影响。如:

在该样本集中，因为量纲不一样，模型受 '次数'特征所主导。所以若是没有对数据进行预处理的话

有可能带来误差，难以较好的反应特征之间的重要程度。其实还有利于优化的其余缘由

 

特征缩放的分类:

         （不止这两种，但经常使用的为标准化）

1.先看一下 归一化(min-max 缩放)

　经过归一化处理，将值映射到0-1之间的某个数值。

　公式:

          

　　X（i）为某个特征值、X(min)为这个特征的全部特征值的最小值、X(max)为这个特征

　　的全部特征值的最大值

　　也就是将 （某个特征值减去特征最小值的差）除以 （特征最大值减去特征最小值的差）

　　从而获得这个特征值归一化以后的数值。

　  Python简单实现:

import numpy as np

def min_max_scaler(X):
    '''归一化'''
    assert X.ndim == 2,'必须为二维数组'
    X = np.array(X,dtype=float)
    n_feature = X.shape[1]
    for n in range(n_feature):
        min_feature = np.min(X[:,n])
        max_feature = np.max(X[:,n])
        X[:, n] = (X[:,n] - min_feature) / (max_feature - min_feature)
    return X

x = np.random.randint(0,100,(25,4))
print(min_max_scaler(x))

'''

[[0.89247312 0.11494253 0.17857143 0.29347826]
[0.09677419 0.74712644 0.10714286 0.63043478]
[0. 0.87356322 0.95238095 0.67391304]

.......
[0.2688172 0.4137931 0.33333333 0.89130435]
[0.11827957 0.7816092 0.55952381 0.15217391]
[1. 0.57471264 0.70238095 0.45652174]
[0.16129032 1. 0.75 0.23913043]]

'''

　　sklearn中对应API: from sklearn.preprocessing import MinMaxScaler