python标准化预处理

为什么要进行标准化预处理？

在机器学习的分类问题中，不同特征的数量级大小不一样，如果一个特征的数量级很大，就可能会湮没其他特征对于分类决策的影响。

所以需要对每个特征进行标准化预处理，使其变成均值为0，方差为1的数据。

标准化预处理公式： $(X - mean) / std$

标准化预处理函数

在sklearn库中，有对于特征的标准化函数

需要注意的是，此函数预处理的数据为特征按列存储的形式，如果需要预处理的数据是按行存储的，则不能使用这个函数

对二维按列存储的数据集进行标准化预处理

from sklearn.preprocessing import StandardScaler

data = StandardScaler().fit_transform(iris.data)

对一维列表进行标准化预处理

import numpy as np

#求出 x 的平均值
mean = np.mean(x)
#求出 x 的标准差
std = np.std(x)
#用来存储预处理之后的 x 
prex = []
#对 x 进行预处理
for i in range(len(x)):
    prex.append((x[i] - mean) / std)