【深度学习】实验3 特征处理

特征处理

python 版本 3.7

scikit-learn 版本 1.0.2

1.标准化

py 复制代码
from sklearn.preprocessing import StandardScaler
from sklearn.preprocessing import MinMaxScaler
from matplotlib import gridspec
import numpy as np
import matplotlib.pyplot as plt
cps = np.random.random_integers(0, 100, (100, 2))
 
ss = StandardScaler()
std_cps = ss.fit_transform(cps)
 
gs = gridspec.GridSpec(5,5)
fig = plt.figure()
ax1 = fig.add_subplot(gs[0:2, 1:4])
ax2 = fig.add_subplot(gs[3:5, 1:4])
 
ax1.scatter(cps[:, 0], cps[:, 1])
ax2.scatter(std_cps[:, 0], std_cps[:, 1])
 
plt.show()

2.归一化

python 复制代码
from sklearn.preprocessing import MinMaxScaler
import numpy as np

data = np.random.uniform(0, 100, 10)[:, np.newaxis]
mm = MinMaxScaler()
mm_data = mm.fit_transform(data)
origin_data = mm.inverse_transform(mm_data)
print('data is ',data)
print('after Min Max ',mm_data)
print('origin data is ',origin_data)

3.正则化

python 复制代码
X = [[1, -1, 2],
     [2, 0, 0],
     [0, 1, -1]]

# 使用L2正则化
from sklearn.preprocessing import normalize
l2 = normalize(X, norm='l2')
print('l2:', l2)

# 使用L1正则化
from sklearn.preprocessing import Normalizer
normalizerl1 = Normalizer(norm='l1')
l1 = normalizerl1.fit_transform(X)
print('l1:', l1)
相关推荐
CoovallyAIHub13 小时前
Mamba-3震撼登场!Transformer最强挑战者再进化,已进入ICLR 2026盲审
深度学习·算法·计算机视觉
飞哥数智坊13 小时前
一文看懂 Claude Skills:让你的 AI 按规矩高效干活
人工智能·claude
JY1906410613 小时前
从点云到模型,徕卡RTC360如何搞定铝单板测量?
深度学习
IT_陈寒14 小时前
5个Java 21新特性实战技巧,让你的代码性能飙升200%!
前端·人工智能·后端
dlraba80214 小时前
YOLOv3:目标检测领域的经典之作
人工智能·yolo·目标检测
科新数智14 小时前
破解商家客服困局:真人工AI回复如何成为转型核心
人工智能·#agent #智能体
szxinmai主板定制专家16 小时前
【NI测试方案】基于ARM+FPGA的整车仿真与电池标定
arm开发·人工智能·yolo·fpga开发
ygyqinghuan17 小时前
读懂目标检测
人工智能·目标检测·目标跟踪
华东数交17 小时前
企业与国有数据资产:入表全流程管理及资产化闭环理论解析
大数据·人工智能
newxtc20 小时前
【昆明市不动产登记中心-注册安全分析报告】
人工智能·安全