机器学习--python归一化特征值

在机器学习的算法训练中，有很多数据的特征值不止一个，特征值中有些属性的数字过大，从而对计算结果的影响太大，但是实际情况是每个属性都同等重要，这时候就要处理这种不同取值范围的特征值，通常采用数值归一化，将取值范围处理为0-1或者-1-1之间。

将任意取值范围的特征值转化为0–1区间内的值，公式如下：

newValue=(oldValue-min)/(max-min)

其中oldValue为原始数据

min、max分别是原始数据里最小、最大值

例如：有一组数据如下

400

134000

20000

32000

归一化的过程是：

400归一化之后的值newValue=（400-400）/（134000-400）

134000归一化之后的值newValue=（134000-400）/（134000-400）

20000归一化之后的值newValue=（20000-400）/（134000-400）

32000归一化之后的值newValue=（32000-400）/（134000-400）

上python代码：

def autoNorm(dataSet):
    min_value=dataSet.min(0)#取出数据集中的最小值
    max_value=dataSet.max(0)#取出数据集中的最大值
    range=max_value-min_value#计算取值范围
    normDataSet=zeros(shape(dataSet))#初始化一个矩阵，该矩阵和所给数据集维度相同用于存放归一化之后的数据
    m=dataSet.shape[0]#取出数据集的行数
    normDataSet=dataSet-tile(min_value,(m,1))#这里tile()函数创建了一个以min_value为值的m行列向量，然后计算oldValue-min_value
    normDataSet=normDataSet/tile(range,(m,1))#特征值相除得到归一化后的数值
    return normDataSet#返回归一化后的数据

说明：dataSet是指数据中某一列的数值