最简单的方法就是：标准化方法

还有【重新缩放法】，出自：http://www.nohup.cc/article/166/#menu_index_2

在文章中，提到标准化的方法为：

标准化方法有一个好处：python里面的numpy包中有求矩阵均值，标准差等统计参数的函数，很方便。

其中，x,x¯,σ,x′ 分别表示原矩阵中需要归一化的输入数据，原矩阵数据的均值，原矩阵数据的标准差，归一化后的输出数据。

在python中利用 numpy，实现。

假设，样本含有n个因素，共有m个样本，即可以组成 m*n，矩阵。

归一化如下：

def Normalization(self):

        self.martix = open_the_file()  #打开数据文件函数

        u = np.mean(self.martix, axis=0) # axis=0，计算每一列的均值

        v = np.std(self.martix, axis=0) # axis=0计算每一列的标准差

        for j  in range(self.M):

            for i  in range(self.N):

                self.martix[j][i] = (self.martix[j][i] - u[i]) / v[i]

————————————————————————————————————

吐槽一下，简书没有公式编辑器，真的难受。

最后一篇文章了，转到CSDN去了。