資料預處理 —— 歸一化/標準化/正則化

一、標準化（Z-Score），或者去除均值和方差縮放

公式為：(X-mean)/std 計算時對每個屬性/每列分別進行。

將資料按期屬性（按列進行）減去其均值，並處以其方差。得到的結果是，對於每個屬性/每列來說所有資料都聚集在0附近，方差為1。

實現時，有兩種不同的方式：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

>>>
 from sklearn

import preprocessing

>>>

import

numpy

as np

>>>
 X = np.array([[

1

.,
 -

1

.,

2.],

...              
 [

2

.,

0

.,

0.],

...              
 [

0

.,

1

.,
 -

1.]])

>>>
 X_scaled = preprocessing.scale(X)

>>>
 X_scaled

array([[

0

. 
 ..., -

1.22

...,

1.33...],

1.22

...,

0

. 
 ..., -

0.26...], [-1.22

...,

1.22

...,
 -

1.06...]]) >>>#處理後資料的均值和方差

>>>
 X_scaled.mean(axis=

0)

array([

0

.,

0

.,