这篇文章将为大家详细讲解有关基于python实现归一化处理的案例分析，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。
一、定义
归一化方法有两种形式，一种是把数变为（0，1）之间的小数，一种是把有量纲表达式变为无量纲表达式。主要是为了数据处理方便提出来的，把数据映射到0～1范围之内处理，更加便捷快速。
二、目的
不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，以解决数据指标之间的可比性。其具体针对的是奇异样本数据，奇异样本数据指的是相对于其他输入样本特别大或特别小的样本矢量，如[0.34,0.51,0.44,222][0.34,0.51,0.44,128]中最后一列元素就是奇异样本数据。
三、常见标准化方法
1.最大-最小标准化映射到区间[0,1]
2.Z-score标准化结果聚集在0附近方差为1
四、矩阵的归一化
矩阵的列归一化，就是将矩阵每一列的值，除以每一列所有元素平方和的绝对值，这样做的结果就是，矩阵每一列元素的平方和为1了。
五、python归一化
其中参数axis=0表示列也是跨行的意思axis=1表示行也是跨列的意思
fromsklearn.preprocessingimportnormalize data=np.array([ [1000,10,0.5], [765,5,0.35], [800,7,0.09],]) data=normalize(data,axis=0,norm='max') print(data) >>[[1.1.1.] [0.7650.50.7] [0.80.70.18]]
关于“基于python实现归一化处理的案例分析”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
