|
1
2
3
4
5
6
7
8
9
10
11
12
|
#首先，引入两个库 ，numpy,sklearn
from sklearn.preprocessing import MinMaxScaler
import numpy as np
#将csv文件导入矩阵当中
my_matrix = np.loadtxt(open("xxxx.csv"),delimiter=",",skiprows=0)
#将数据集进行归一化处理
scaler = MinMaxScaler( )
scaler.fit(my_matrix)
scaler.data_max_
my_matrix_normorlize=scaler.transform(my_matrix)
#最后的my_matrix_normorlize 实现了归一化my_matrix_normorlize
|
完整未解释代码：
|
1
2
3
4
5
6
7
|
from sklearn.preprocessing import MinMaxScaler
import numpy as np
my_matrix = np.loadtxt(open("xxxx.csv"),delimiter=",",skiprows=0)
scaler = MinMaxScaler( )
scaler.fit(my_matrix)
scaler.data_max_
my_matrix_normorlize=scaler.transform(my_matrix)
|
以上这篇python 实现对数据集的归一化的方法(0-1之间)就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/u010801439/article/details/79556009