08_機能の前処理標準化

標準化1.特徴：範囲0の平均および分散1にデータを変換することにより元のデータを変換します。

   データの標準化は、最初に考えたのスケール！！！

 

2.公式：

　注：式は、各列に作用し、平均値を平均、σは標準偏差であります

　　　

 

 　　　：安定性データの分散検討

 

3.コンビネーション標準化を理解するために正規化

 

 

4.使用法：

　sklearn特征化API：scikit-learn.preprocessing.StandardScaler

　

　StandardScaler（...）は、すべてのデータの各列の処理後の平均分散の近傍に集まっ0 1

　StandardScaler.fit_transform（X、Y）X：numpyの配列データ形式[n_samples、n_features]戻り値：変換後のアレイの形状と同じ

　各列のStandardScaler.mean_生データ（今、この方法.with_meanに変更し、私は、この結果が真である印刷）の平均特性

　（今方法.with_stdに変更）各列の特徴の元のデータのStandardScaler.std_分散

 

正規化ステップ：1、インスタンスStandardScaler 　　

　　　　　　　2、fit_transform変換することにより

 

ケース6：[[1、-1、3]、[2]、[4,2]、[4,6、-1]]標準化

　　

sklearn.preprocessing輸入StandardScalerから

デフ）（スタンド：
    「」」
    標準化されたスケール
    「」」
    STD = StandardScaler（）
    データ= std.fit_transform（[1、-1、3]、[2、4、2]、[4、6、-1]]）
    印刷（std.with_mean）
    印刷（std.with_std）
    印刷（データ）


__name__ == '__main__' の場合：
    スタンド（）


「」」
結果：
真
真
[-1.06904497 -1.35873244 0.98058068]
 【-0.26726124 0.33968311 0.39223227]
 【1.33630621 1.01904933 -1.37281295]
「」」