机器学习实战

程序清单2-3

归一化特征值：

def autoNorm(dataSet):

/*

>>> b
array([[ 1., 2., 3.],
[ 2., 3., 4.],
[ 10., 0., 0.]])
>>> b.max(0)
array([ 10., 3., 4.])
>>> b.min(0)
array([ 1., 0., 0.])

如上面的例子，求每一列的最大值(或者最小值)，组成一个向量

*/
  minVals = dataSet.min(0) 
  maxVals = dataSet.max(0)

/*

最大向量和最小向量想减

*/
  ranges = maxVals - minVals

  /*

  创建一个二维0数组，shape(dataSet)返回二维数组的维数，例如（2,3），2行3列

  zeros((2,3))

  返回

   array([[ 0., 0., 0.],
   [ 0., 0., 0.]]) 

 */
  normDataSet = zeros(shape(dataSet))

//shape[0]返回行数
  m = dataSet.shape[0]

/*举例:

>>> tile([1,0,0],(3,1))
array([[1, 0, 0],
[1, 0, 0],
[1, 0, 0]])

>>> b
array([[ 1., 2., 3.],
[ 2., 3., 4.],
[ 10., 0., 0.]])
>>> a=tile([1,0,0],(3,1))
>>> b-a
array([[ 0., 2., 3.],
[ 1., 3., 4.],
[ 9., 0., 0.]])

求出数据集和最小值的差

*/
  normDataSet = dataSet - tile(minVals, (m,1))

/*

用差除以区间大小，得到归一化数组

*/
  normDataSet = normDataSet/tile(ranges, (m,1))
  return normDataSet, ranges, minVals