|
1
2
3
4
5
6
7
8
9
10
11
12
|
#首先，引入两个库 ，numpy,sklearnfrom sklearn.preprocessing import MinMaxScalerimport 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 MinMaxScalerimport numpy as npmy_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
