什么是机器学习中的标准化

数据集是任何机器学习模型的核心。数据集中的数据被缩放并处于特定范围内非常重要，以提供准确的结果。

机器学习中的标准化是一种特征缩放的类型，用于使数据集具有统一性，从而使独立变量和特征具有相同的尺度和范围。标准化将标准差变为1，均值变为0。在标准化中，从每个数据点中减去均值，然后将结果除以标准差，从而得到标准化和重新缩放的数据。

这种技术在机器学习模型中被广泛应用，如主成分分析、支持向量机和k-means聚类，因为它们依赖于欧氏距离。

数学表示如下：

Z = (X - m ) / s

其中

X −一个数据点

m −均值

s −标准差

Z −标准化值

步骤

步骤1 −导入所需的库。标准化ML模型常常导入的库包括numpy，pandas或scikit-learn。

步骤2 −从预处理器中导入StandardScaler()函数。

步骤3 −上传要进行标准化的数据集。

步骤4 −将数据分为训练数据和测试数据：X_test，y_test，X_train和y_train。

步骤5 −将数据拟合到StandardScaler()函数中进行标准化。

示例

在这个例子中，我们将通过取随机数据值来进行标准化。让我们将以下一组值视为数据点−

3 5 7 8 9 4 
The mean m= 36/6 = 6  
The standard deviation s = 2.36 
Z1= - 1.27
Z2= - 0.42
Z3= - 0.42
Z4=   0.84
Z5=   1.27
Z6=  -0.84
Now, the mean is (Z1 + Z2 + Z3 + Z4 + Z5)/5
= (- 1.27 - 0.42 + 0.42 + 0.84 + 1.27 - 0.84)/5
= 0

标准差为1。

因此，在标准化后，值处于相同的范围内，平均值为0，标准差为1。

示例

from sklearn.preprocessing import StandardScaler
import numpy as np

# Create a sample data matrix 
X = np.array([[85,72,80], [64, 35, 26], [67, 48, 29], [100, 11, 102], [130, 14, 151]])

# create an instance of StandardScaler
standard_scaler = StandardScaler()

# Fit the scaler to the data
standard_scaler.fit(X)

# Transform the data using the scaler
X_new= standard_scaler.transform(X)

# Print the transformed data
print(" new data:", X_new)

输出

new data: [[-0.17359522  1.59410679  0.0511375 ]
 [-1.04157134 -0.04428074 -1.09945622]
 [-0.91757475  0.53136893 -1.03553435]
 [ 0.44638772 -1.10701861  0.5198979 ]
 [ 1.68635359 -0.97417637  1.56395517]]

在这个程序中，变量X包含特征值作为数字数组。它被输入到StandardScaler()函数中并显示标准化的数组。