本文摘自php中文网,作者不言,侵删。
本篇文章给大家分享的内容是python归一化多维数组的方法 ,具有一定的参考价值,有需要的朋友参考一下 今天遇到需要归一化多维数组的问题,但是在网上查阅了很多资料都是归一化数组的一行或者一列,对于怎么归一化一个多维数组的资料比较少,可是在tensorflow中为了训练神经网络常常需要用到多维数据。因此归一化多维数组非常有必要。
在查阅了大量资料之后发现在sklearn库中的preprocessing可以直接归一化多维数组。
1、使用sklearn.preprocessing.scale()函数,对给定数据进行标准化:具体公式是(x - mean)/std。其含义是:对每一列的数据减去这一列的均值,然后除以这一列数据的标准差。最终得到的数据都在0附近,方差为1。具体程序示例如下:
1 2 3 | from sklearn import preprocessing
data_normal = preprocessing.scale(data)#data是多维数据
|
2、使用sklearn.preprocessing.StandardScaler类,这个类可以计算每一列数据的均值和方差,并根据均值和方差直接把原始数据归一化。简单示例如下:
1 2 3 4 5 6 7 8 9 10 11 12 | from sklearn import preprocessing
#计算原始数据每行和每列的均值和方差,data是多维数据
scaler = preprocessing.StandardScaler().fit(data)
#得到每列的平均值,是一维数组
mean = scaler.mean_
#得到每列的标准差,是一维数组
std = scaler.std_
#标准化数据
data_nomal = scaler.transform(data)
#可以直接使用训练集对测试集数据进行转换
scaler.transform([[-1., 1., 0.]])
|
3、sklearn.preprocessing.MinMaxScaler类把数据缩放到一个指定的范围。具体示例如下:
1 2 3 4 5 6 7 8 9 10 11 | from sklearn import preprocessing
min_max_scaler = preprocessing.MinMaxScaler()
#标准化训练集数据
data_train_nomal = min_max_scaler.fit_transform(data_train)
#对测试集数据进行相同的归一化处理
data_test_minmax = min_max_scaler.transform(data_test)
#获取缩放因子属性,结果是一维数组
min_max_scaler.scale_
min_max_scaler.min_
|
4、附sklearn.preprocessing还可以做正则化
阅读剩余部分
相关阅读 >>
Python爬虫用的哪些库
windows下安装Python的教程
Python mysql数据库中pymysqlpool是如何使用的?
如何获取一个文件的创建和修改时间
Python中文怎么读
django如何避免sql注入
如何判断一个字符串是数字
Python中如何对字典排序
一起看看Python 中日志异步发送到远程服务器
Python编写一个三级while的循环菜单实例
更多相关阅读请进入《Python》频道 >>
人民邮电出版社
python入门书籍,非常畅销,超高好评,python官方公认好书。
转载请注明出处:木庄网络博客 » python归一化多维数组的方法