numpy的scale就是 x-mean/std


import numpy as np

from  sklearn import preprocessing

data = np.array([[3, -1.5, 2, -5.4], [0, 4, -0.3, 2.1], [1, 3.3, -1.9, -4.3]])

print(data.mean(axis=0))

print(data.std(axis=0))


data_standardized = preprocessing.scale(data)

print(data_standardized)


‘’‘以第一列3,0,1为例,其均值为1.333,方差=sqrt((power(3-1.33,2)+power(0-1.33,2)+power(1-1.33,2))/3)=1.247’则标准化为(3-1.333)/1.247=1.3363,大概就是这么一回事情‘’‘

©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

相关阅读更多精彩内容

  • import numpy as np 创建ndarray data1 = [6,7.5, 8, 0, 1]arr1...
    陆文斌阅读 877评论 0 1
  • 最近在写个性化推荐的论文,经常用到Python来处理数据,被pandas和numpy中的数据选取和索引问题绕的比较...
    shuhanrainbow阅读 4,735评论 6 19
  • 《写作训练营》的课终于上完了,对于我这样一个拖延症患者来说有一种不小的释放感。五个月,都没按时学完,最后硬...
    麻花辫子a阅读 357评论 0 0
  • 1)电话冷启动优化 1 减少过渡绘制 无过度绘制 2 布局优化 2.1 减少布局的嵌套层级 2.1.1 由于我们U...
    zsj1225阅读 1,595评论 0 0

友情链接更多精彩内容