使用sklearn进行标准化

在数据挖掘中，经常需要对连续型变量进行标准化（令期望为0，方差为1），以避免部分特征的方差过大，主导了目标函数。

本文简述了如何使用sklearn进行特征标准化

sklearn中prepressing模块封装了许多数据预处理函数，其中scale函数可用于特征标准化

from sklearn import preprocessing
In [2]:

import numpy as np
In [4]:

]
x = np.array([[1., -1., 2.], [2., 0., 0.], [0., 1., -1.]])
In [10]:

x_scaled = preprocessing.scale(x)

StandarScaler可以在训练集集上做标准化，然后保存参数，在测试集做相同转化

scaler = preprocessing.StandardScaler().fit(x)
scaler = preprocessing.StandardScaler().fit(x)
scaler.transform(x)
new_x = [[2., 0., 3.,]]
scaler.transform(new_x)