Scikit-learn Python机器学习 - 特征预处理 - 归一化 (Normalization):MinMaxScaler

锋哥原创的Scikit-learn Python机器学习视频教程:

2026版 Scikit-learn Python机器学习 视频教程(无废话版) 玩命更新中~_哔哩哔哩_bilibili

课程介绍

本课程主要讲解基于Scikit-learn的Python机器学习知识,包括机器学习概述,特征工程(数据集,特征抽取,特征预处理,特征降维等),分类算法(K-临近算法,朴素贝叶斯算法,决策树等),回归与聚类算法(线性回归,欠拟合,逻辑回归与二分类,K-means算法)等。

Scikit-learn Python机器学习 - 特征预处理 - 归一化 (Normalization):MinMaxScaler

不同特征可能有不同的量纲和范围(如身高、体重、年龄),归一化使各特征在相同尺度上进行比较,避免某些特征因数值较大而主导模型。

我们将特征缩放至一个特定的范围(默认是 0, 1)。

归一化(Normalization)公式,也称为最小-最大归一化(Min-Max Normalization)

公式含义 这个公式将原始数据 X 从其原始范围转换到 0,1 的范围内。

公式各部分解释

工作原理

特点

应用场景 归一化在机器学习和数据挖掘中非常常用,特别是:

  • 特征缩放,使不同量纲的特征可比较

  • 梯度下降算法中加速收敛

  • 神经网络中防止梯度消失或爆炸

  • 图像处理中的像素值标准化

在Scikit-learn中,使用MinMaxScaler进行归一化操作。在初始化 MinMaxScaler 对象时,最重要的参数是:

  • feature_range: tuple (min, max), 默认=(0, 1)

    • 作用:指定你想要将数据缩放到的目标范围。

    • 示例 :如果想缩放到 -1, 1,则设置 feature_range=(-1, 1)。

我们看一个示例:

复制代码
import numpy as np
import pandas as pd
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import MinMaxScaler
​
# 创建示例数据,包含不同类型的问题
data = {
    'age': [25, 30, np.nan, 45, 60, 30, 15],  # 数值,含缺失值
    'salary': [50000, 54000, 60000, np.nan, 100000, 40000, 20000],  # 数值,尺度大,含缺失值
    'country': ['USA', 'UK', 'China', 'USA', 'India', 'China', 'UK'],  # 分类型
    'gender': ['M', 'F', 'F', 'M', 'M', 'F', 'F']  # 分类型
}
​
df = pd.DataFrame(data)
print("原始数据:")
print(df)
​
# 策略通常为 mean(均值), median(中位数), most_frequent(众数), constant(固定值)
imputer = SimpleImputer(strategy='mean')
​
# 我们只对数值列进行填充
numeric_features = ['age', 'salary']
df_numeric = df[numeric_features]
​
# fit 计算用于填充的值(这里是均值),transform 应用填充
imputer.fit(df_numeric)
df[numeric_features] = imputer.transform(df_numeric)
​
print("\n处理缺失值后:")
print(df)
​
minmax_scaler = MinMaxScaler()
​
df_numeric = df[['age', 'salary']]
# 根据数据训练生成模型
minmax_scaler.fit(df_numeric)
# 根据模型训练数据
df_normalized = minmax_scaler.transform(df_numeric)
​
print("\n归一化后的数值特征(范围[0,1]):")
print(df_normalized)

运行结果:

复制代码
归一化后的数值特征(范围[0,1]):
[[0.22222222 0.375     ]
 [0.33333333 0.425     ]
 [0.42592593 0.5       ]
 [0.66666667 0.425     ]
 [1.         1.        ]
 [0.33333333 0.25      ]
 [0.         0.        ]]
相关推荐
ZhengEnCi1 小时前
项目越写越乱?先别改架构:用一次目录重排 + 一份可复算的体检脚本把乱治住
python·架构·ai编程
Dmz丶1 小时前
前端转 AI 100 天 Day 45:阶段复盘——从“会调 API”到“做出 AI 产品”
python
XLYcmy2 小时前
基于大语言模型的智能漏洞检测与修复系统 作品报告评审分析报告 下
机器学习·llm·prompt·api·token·漏洞修复·漏洞检测
Sakura_j_h_2 小时前
MCP SDK 2.0 实战:用 MCPServer 搭本地笔记检索服务
开发语言·笔记·python·qt·ai工具·mcp·mcpserver
QuZhengRong2 小时前
【AI】Agent 全栈进阶|AgentScope 沙箱源码解析
python·学习·ai·agent·沙箱
Eider19983 小时前
Python基础语法之并发相关3
开发语言·python
M--Y4 小时前
LangGraph 架构基石:持久化与运行控制
python·langchain·大模型·llm·持久化·langgraph
用户019027581615 小时前
新浪财经 / 东方财富股票接口不稳、被限?稳定替代方案
python
七夜zippoe5 小时前
Nexent 知识库:调优靠 Chunk 与重排
开发语言·python·ai智能体·nexent·知识库与rag
在所不辞兄7 小时前
【人工智能驱动的电催化研究-07】CSV文件、路径与可追溯记录
人工智能·深度学习·神经网络·机器学习·有限元·电化学·电催化