机器学习 —— 数据缩放

摘要：数据缩放是机器学习中重要的预处理技术，主要包括归一化和标准化两种方法。归一化将特征值缩放到0-1范围，标准化则将特征调整为均值为0、标准差1的分布。Python中可通过sklearn的StandardScaler实现标准化处理，示例展示了鸢尾花数据集缩放前后的对比，使用fit_transform()方法完成数据拟合和转换。数据缩放能消除特征量纲差异，提升模型性能。

目录

机器学习 —— 数据缩放

示例

输出结果

缩放前的数据：

缩放后的数据：

机器学习 —— 数据缩放

数据缩放（Data Scaling）是机器学习中的一种数据预处理技术，用于对数据中特征的取值范围或分布进行归一化（Normalization）或标准化（Standardization）处理。数据缩放至关重要，因为数据中的不同特征可能具有不同的量纲，而部分算法在处理此类数据时性能会受影响。通过数据缩放，可使每个特征的量纲和取值范围保持一致，从而提升机器学习模型的性能。

数据缩放主要包含两种常用技术：

1. 归一化（Normalization）：将特征值缩放至 0 到 1 之间。具体实现方式为：用该特征的每个取值减去该特征的最小值，再除以该特征的取值范围（即最大值与最小值的差值）。
2. 标准化（Standardization）：将特征值缩放至均值为 0、标准差为 1 的分布状态。具体实现方式为：用该特征的每个取值减去该特征的均值，再除以该特征的标准差。

示例

在 Python 中，可通过sklearn模块实现数据缩放。sklearn.preprocessing子模块提供了用于数据缩放的相关类。以下是使用StandardScaler类实现标准化的示例代码：

from sklearn.preprocessing import StandardScaler from sklearn.datasets import load_iris import pandas as pd # 加载鸢尾花数据集 data = load_iris() X = data.data # 特征数据 y = data.target # 目标变量 # 将数据集转换为 DataFrame 格式 df = pd.DataFrame(X, columns=data.feature_names) print("缩放前的数据：") print(df.head()) # 使用 StandardScaler 对数据进行标准化 scaler = StandardScaler() X_scaled = scaler.fit_transform(X) # 拟合数据并完成缩放转换 # 将缩放后的特征数据转换为新的 DataFrame df_scaled = pd.DataFrame(X_scaled, columns=data.feature_names) print("缩放后的数据：") print(df_scaled.head())

在本示例中，首先加载鸢尾花（Iris）数据集并将其转换为 DataFrame 格式，随后使用StandardScaler类对特征数据进行标准化处理，生成缩放后的新 DataFrame。最后通过打印两个 DataFrame，对比数据缩放前后的差异。需注意的是，此处通过缩放器对象的fit_transform()方法同时完成了数据拟合与转换操作。

输出结果

运行上述代码后，将得到如下输出：

缩放前的数据：

缩放后的数据：