Donde el segundo numérica normalizada o estandarizada

características de procesamiento numéricas: la conversión de los datos en datos mediante un algoritmo específico requiere métodos estadísticos, la normalización y la estandarización

# Calculado normalizada determinar su muy sensible a los valores atípicos, una vez que los valores anormales de causa aparecen menos robusto, los datos normalizados sólo es adecuado para la escena convencional pequeña precisión 
de sklearn.preprocessing importación MinMaxScaler 

DEF mm ():
     # especifica feature_range un conjunto de datos normalizados de la gama, no se especifica es de entre 0-1 
    mm = MinMaxScaler (feature_range = (2 ,. 3 )) 

    # fit_transform recibido de matriz 
    de datos = mm.fit_transform ([[90, 2, 10, 40 ], [60 ,. 4, 15, 45], [75 ,. 3, 13 es decir, 46 es ]]) 

    Imprimir (Data) 


SI  la __name__ == " __main__ " : 
    mm ()

# dimensiones normalizadas se utilizan para eliminar la influencia de, pero en grandes cantidades de datos, es mejor resistencia a un valor anormal 
de sklearn.preprocessing importación StandardScaler 

DEF soporte) (: 
    STD = StandardScaler () 

    # fit_transform matriz recibidos 
    de datos = std.fit_transform ([[1, -1 ,. 3], [2 ,. 4, 2], [4 ,. 6, -1.. ]]) 

    Imprimir (Data) 


SI  la __name__ == " __main__ " : 
    soporte ()