Python如何實現(xiàn)歸一化算法

今天小編給大家分享一下Python如何實現(xiàn)歸一化算法的相關(guān)知識點，內(nèi)容詳細(xì)，邏輯清晰，相信大部分人都還太了解這方面的知識，所以分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后有所收獲，下面我們一起來了解一下吧。

1.前言                                 

歸一化算法Normalization將數(shù)據(jù)處理成量綱一直的數(shù)據(jù)，一般限定在[0,1]、[-1,1]
一般在進(jìn)行建模的時候需要進(jìn)行數(shù)據(jù)歸一化處理，

原因如下:

• 降低計算難度

• 有可能提高模型的預(yù)測精度

• 消除量綱影響

下面介紹三種常見的標(biāo)準(zhǔn)化方法，分別是最大最小值、正態(tài)中心化、小數(shù)點定標(biāo)

2.Min-Max方法

2.1 公式

2.2 算法實現(xiàn)邏輯

• 1.找一組數(shù)據(jù)的最大最小值

• 2.利用公式歸一化

• 3.輸入結(jié)果(為了方便可視化展示，我們設(shè)計了代碼)

2.3 代碼

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 1.最小最大標(biāo)準(zhǔn)化
Data = np.array([[0.2,0.9,29],
                [0.9,0.1,100],
                [0.5,0.5,30]]) #最?。畲髿w一化算法
#　1.1數(shù)據(jù)轉(zhuǎn)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('轉(zhuǎn)化后的矩陣：\n',data)
    return data


# 1.2可視化
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()))

轉(zhuǎn)化后的矩陣：

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

2.4局限

• 數(shù)據(jù)規(guī)模過大不適應(yīng)

• 數(shù)據(jù)歸一化后范圍在[0,1]，對于一些有負(fù)有正數(shù)的原始數(shù)據(jù)慎用

3 Z-score標(biāo)準(zhǔn)化

3.1 公式

3.2 算法實現(xiàn)邏輯

• 輸入數(shù)據(jù)

• 求取數(shù)據(jù)的均值、方法，在利用中心化公式計算

• 輸出結(jié)果

3.3 代碼

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標(biāo)準(zhǔn)化后的矩陣是',data)
    return data

ShowData(Data,Zscore(Data.copy()))

方差: 51.569160680908254
Z-score標(biāo)準(zhǔn)化后的矩陣是 [[0.2        0.9        0.13864876]
 [0.9        0.1        1.5154406 ]
 [0.5        0.5        0.15804019]]

3.4 局限

• 對樣本量少的數(shù)據(jù)，表現(xiàn)不好

• 標(biāo)準(zhǔn)化后范圍在有負(fù)有正，范圍在[-1,1]

4 小數(shù)定標(biāo)法

4.1 公式

4.2 算法實現(xiàn)邏輯

• 輸入數(shù)據(jù)

• 絕對值化，最大值

• 將每個數(shù)除以最大值的數(shù)量級

• 輸入數(shù)據(jù)

4.3 代碼實現(xiàn)

# 小數(shù)定標(biāo)歸一化算法
def Decimals(data):
    C = np.abs(data[:,2])
    max = int(np.sort(C)[-1]) # 按從小到大排序，取最后一位，及最大值
    k = len(str(max))
    print('絕對值最大的位數(shù)：\n',k)
    data[:2] = data[:,2] /(10**k)
    print('小數(shù)點定標(biāo)準(zhǔn)化后的矩陣：\n',data)
    return data
ShowData(Data,Decimals(Data.copy()))

絕對值最大的位數(shù)：

 3

小數(shù)點定標(biāo)準(zhǔn)化后的矩陣：

 [[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

• 受到最大值影響較大

以上就是“Python如何實現(xiàn)歸一化算法”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家閱讀完這篇文章都有很大的收獲，小編每天都會為大家更新不同的知識，如果還想學(xué)習(xí)更多的知識，請關(guān)注億速云行業(yè)資訊頻道。