本文参考翻译Jason Brownlee博客
机器学习在建模之前，需要做数据准备。数据准备的过程主要包括3个步骤：
- 数据选择
- 数据预处理
- 数据转换
本文会告诉你两种方法，即如何使用Python的Scikit-Learn库进行简单的数据转换。
一、数据缩放
你的预处理数据集中可能包含各种各样、不同比例的特征字段，比如美元、千克、价格，有的特征列数值范围在100以内，有的却达到几百万，差异很大。
很多机器学习模型不希望有这样大的差异，如果数据集各个属性之间的数值差异越小，则模型表现的会越好。这里不一概而论，具体原因小伙伴们自行探索下。
方法1：数据归一化
数据归一化是指将原始数据缩放到0和1之间。
对于依赖于值的大小的模型，这种对输入属性的缩放很管用。比如在K近邻模型的距离测量和回归系数的准备。
接下来用都知道的鸢尾花数据集演示数据归一化：
代码语言：javascript复制# 对鸢尾花数据集进行数据归一化处理.
from sklearn.datasets import load_iris
from sklearn import preprocessing
# 加载数据
iris = load_iris()
print(iris.data.shape)
# 分离原始数据集，分为自变量和因变量
X = iris.data
y = iris.target
# 归一化处理
normalized_X = preprocessing.normalize(X)
更多关于归一化处理，详见API
方法2：数据标准化
数据标准化是指：将数据缩放，改变每个属性的分布，使其平均值为0，标准差为1。
诸如高斯过程等依赖于特征分布的模型，对特征进行标准化是非常有用的。
依然用鸢尾花的例子：
代码语言：javascript复制# 对鸢尾花数据集进行数据标准化处理.
from sklearn.datasets import load_iris
from sklearn import preprocessing
# 加载数据
iris = load_iris()
print(iris.data.shape)
# 分离原始数据集，分为自变量和因变量
X = iris.data
y = iris.target
# 标准化处理
standardized_X = preprocessing.scale(X)
更多关于归一化处理，详见API
二、说明
很难知道数据缩放是否会有利于模型的效果，大概率上是有用的，但不排除出现产生负效果。
中肯的建议是，先建立一个数据缩放后的副本，使用你的算法模型测试对比缩放前后的效果。
这可以让你快速知道，你的模型中缩放带来的好处或弊端。
你也可以试用不同的缩放方法，进行对比。
三、总结
数据缩放是一种非常重要的数据转换方法。
本文介绍了归一化和标准化两种方法，均用Python Scikit-Learn库提供的方法实现。简单好用，快试试吧！
-END-
