08_特征预处理之标准化

1.标准化特点：通过对原始数据进行变换把数据变换到均值为0,方差为1范围内。

   对数据进行缩放首先想到标准化！！！

 

2.公式：

　注：公式作用于每一列，mean为平均值，σ为标准差

　　　

 

 　　　其中：方差考量数据的稳定性

 

3.结合归一化来理解标准化

 

 

4.用法：

　sklearn特征化API:  scikit-learn.preprocessing.StandardScaler

　

　StandardScaler(…) 处理之后每列来说所有数据都聚集在均值0附近方差为1

　StandardScaler.fit_transform(X,y) X:numpy array格式的数据[n_samples,n_features] 返回值：转换后的形状相同的array

　StandardScaler.mean_ 原始数据中每列特征的平均值（现在这个方法改为了.with_mean , 但是我打印这个结果为true）

　StandardScaler.std_ 原始数据每列特征的方差 （现在这个方法改为了.with_std）

 

5.标准化步骤：1、实例化StandardScaler 　　

　　　　　　　2、通过fit_transform转换

 

6.案例：对[[ 1., -1., 3.], [ 2., 4., 2.], [ 4., 6., -1.]]进行标准化

　　

from sklearn.preprocessing import StandardScaler

def stand():
    """
    标准化缩放
    """
    std = StandardScaler()
    data = std.fit_transform([[1., -1., 3.], [2., 4., 2.], [4., 6., -1.]])
    print(std.with_mean)
    print(std.with_std)
    print(data)


if __name__ == '__main__':
    stand()


"""
结果：
True
True
[[-1.06904497 -1.35873244  0.98058068]
 [-0.26726124  0.33968311  0.39223227]
 [ 1.33630621  1.01904933 -1.37281295]]
"""