最值归一化 Normalization
最值归一化是将所有数据映射到0~1之间,适用于分布有明显边界的情况,受outlier影响很大。...最值归一化的公式为
x_{\text {scale}}=\frac{x-x_{\min }}{x_{\max }-x_{\min }}
20200402195121.png
X = np.random.randint...(0,50,size=(50,2))
X = np.array(X,dtype =float)
# 进行最值归一化
X[:,0] = (X[:,0] - np.min(X[:,0])) / (np.max.../ (np.max(X[:,1]) - np.min(X[:,1]))
plt.scatter(X[:,0],X[:,1]);
plt.show()
20200402195513.png
均值方差归一化...Standardization
对于数据没有明显的边界,或者是数据存在明显极端的数值,可以使用均值方差归一化将所有数据归一到均值为0,方差为1的分布当中,均值方差归一化的公式为
x_{\text {scale