sklearn進行資料縮放與標準化

縮放資料： 

import numpy as np

np.random.seed(10)
x=np.matrix([np.random.randint(10,25)*1.0 for i in range(10)])
x=x.t
#minmaxscaler縮放，移動資料使得所有特徵都剛好位於0到1之間
from sklearn.preprocessing import minmaxscaler
minmax=minmaxscaler(feature_range=(0.0,1.0))
print(x)
x_t=minmax.fit_transform(x)
print(x_t)
#standardscaler縮放，確保每個特徵的平均值為0，方差為1，使得所有特徵都位於同一量級，
from sklearn.preprocessing import standardscaler
#匯入資料集
from sklearn.datasets import load_breast_cancer
cancer=load_breast_cancer()
scaler=standardscaler()
scaler.fit(cancer.data)
x_scaled=scaler.transform(cancer.data)
print(x_scaled)
#上面兩句話可以合併為x_scaled=scaler.fit_transform(cancer.data)
#robustscaler與上面是類似，也是確保每個特徵的統計屬性都位於同一範圍，但是它使用的是中位數呵四分位數而不是平均值和方差
#這樣的話，robustscaler會忽略與其他點有很大不同的資料點，比如測量誤差
from sklearn.preprocessing import robustscaler
scaler1=robustscaler()
x_scaled1=scaler1.fit_transform(cancer.data)
print(x_scaled1)
#normalizer用到一種完全不同的縮放方法，他對每個資料點進行縮放，使得特徵向量的歐式長度等於1，換句話說，他將乙個資料點投射到
#半徑為1的圓上，（對於高維度來說是球面），這意味著每個資料點的縮放比例都不相同（乘以長度的倒數），如果只是資料的方向是重要的
#而特徵向量的長度無關緊要，那麼通常會使用這種歸一化
from sklearn.preprocessing import normalizer
scaler2=normalizer()
x_scaled2=scaler2.fit_transform(cancer.data)
print(x_scaled2)

import numpy as np

from sklearn.preprocessing import scale
#生成輸入資料
np.random.seed(10)# 隨機種子
x=[np.random.randint(10,25)*1.0 for i in range(10)]
print(x)
#x=list(np.random.randint(10,25,10)*1.0)等效上一句
#標準化操作
#只使用平均值進行縮放
x_centered=scale(x,with_mean=true,with_std=false)
#使用平均值和標準差來對資料進行標準化
x_standard=scale(x,with_mean=true,with_std=true)
#初始的x平均值為***,標準化之後為0.00，標準化差為1.00
print(x_centered)
print(x_standard)

sklearn進行資料分析

呼叫線性回歸函式 from sklearn.linear model import linearregression 匯入資料集 這裡將全部資料用於訓練，並沒有對資料進行劃分，上例中 將資料劃分為訓練和測試資料，後面會講到交叉驗證 loaded data datasets.load boston d...

PHP與Python進行資料互動

個人部落格同步文章 最近，決定在乙個專案用python做資料分析，然後這就面臨乙個問題 php和python如何進行資料互動？我解決此問題的方法是利用了php的passthru函式來呼叫命令執行python指令碼。在php中呼叫命令執行python指令碼 params value 傳遞給python...

C 與IronPython指令碼進行資料互動示例

單單執行指令碼是沒有什麼意思的，最重要的是嵌入的指令碼能和宿主語言進行互動，下面我就講講這方面的實現。ironpython指令碼最優秀的地方就是與c 或者說.net框架集 幾乎無縫整合，c 實現的類很容易就傳入到指令碼中去。目前唯感遺憾的是，ironpython指令碼還沒有支援嵌入版，希望不遠的的將...