Python如何实现归一化算法

今天小编给大家分享一下python如何实现归一化算法的相关知识点，内容详细，逻辑清晰，相信大部分人都还太了解这方面的知识，所以分享这篇文章给大家参考一下，希望大家阅读完这篇文章后有所收获，下面我们一起来了解一下吧。

1.前言                                 

归一化算法NORMalization将数据处理成量纲一直的数据，一般限定在[0,1]、[-1,1]
一般在进行建模的时候需要进行数据归一化处理，

原因如下:

• 降低计算难度

• 有可能提高模型的预测精度

• 消除量纲影响

下面介绍三种常见的标准化方法，分别是最大最小值、正态中心化、小数点定标

2.Min-Max方法

2.1 公式

2.2 算法实现逻辑

• 找一组数据的最大最小值

• 利用公式归一化

• 输入结果(为了方便可视化展示，我们设计了代码)

2.3 代码

import numpy as npimport pandas as pdimport matplotlib.pyplot as plt# 1.最小最大标准化Data = np.array([[0.2,0.9,29],                [0.9,0.1,100],                [0.5,0.5,30]]) #最小－最大归一化算法#　1.1数据转化def MinMax(data):    min = 0    max = 1    C = data[:,2]    min = np.min(C)    max = np.max(C)    for one in data:        one[2] = (one[2]-min) / (max-min)    print('转化后的矩阵：\n',data)    return data# 1.2可视化def ShowData(Data,ShowD1):    length = len(Data)    X = np.ones(Data.shape[0])    plt.figure(1)    plt.subplot(121)    for i in range(length):        plt.scatter(X*(i+1),Data[:,i])    plt.subplot(122)    for i in range(length):        plt.scatter(X*(i+1),ShowD1[:,i])    plt.show()ShowData(Data,MinMax(Data.copy()))

转化后的矩阵：

 [[0.2        0.9        0.        ]
 [0.9        0.1        1.        ]
 [0.5        0.5        0.01408451]]

2.4局限

• 数据规模过大不适应

• 数据归一化后范围在[0,1]，对于一些有负有正数的原始数据慎用

3 Z-score标准化

3.1 公式

3.2 算法实现逻辑

• 输入数据

• 求取数据的均值、方法，在利用中心化公式计算

• 输出结果

3.3 代码

def Zscore(data):    x_mean = np.mean(data[:2])    length = len(data[:,2])    vari = np.sqrt((np.sum((data[:2]-x_mean)**2))/length)    print('方差:',vari)    data[:,2] = (data[:,2]-x_mean)/vari    print('Z-score标准化后的矩阵是',data)    return dataShowData(Data,Zscore(Data.copy()))

方差: 51.569160680908254
Z-score标准化后的矩阵是 [[0.2        0.9        0.13864876]
 [0.9        0.1        1.5154406 ]
 [0.5        0.5        0.15804019]]

3.4 局限

• 对样本量少的数据，表现不好

• 标准化后范围在有负有正，范围在[-1,1]

4 小数定标法

4.1 公式

4.2 算法实现逻辑

• 输入数据

• 绝对值化，最大值

• 将每个数除以最大值的数量级

• 输入数据

4.3 代码实现

# 小数定标归一化算法def Decimals(data):    C = np.abs(data[:,2])    max = int(np.sort(C)[-1]) # 按从小到大排序，取最后一位，及最大值    k = len(str(max))    print('绝对值最大的位数：\n',k)    data[:2] = data[:,2] /(10**k)    print('小数点定标准化后的矩阵：\n',data)    return dataShowData(Data,Decimals(Data.copy()))

绝对值最大的位数：

 3

小数点定标准化后的矩阵：

 [[2.9e-02 1.0e-01 3.0e-02]
 [2.9e-02 1.0e-01 3.0e-02]
 [5.0e-01 5.0e-01 3.0e+01]]

4.4 局限

• 受到最大值影响较大

以上就是“Python如何实现归一化算法”这篇文章的所有内容，感谢各位的阅读！相信大家阅读完这篇文章都有很大的收获，小编每天都会为大家更新不同的知识，如果还想学习更多的知识，请关注编程网Python频道。