机器学习实战第二章代码清单2-3注释
2018-01-18 22:17
281 查看
归一化特征值
def autoNorm(dataSet):
minVals=dataSet.min(0)
#print minVals
maxVals=dataSet.max(0)
#print maxVals
ranges=maxVals-minVals
#print ranges
normDataSet=zeros(shape(dataSet))#先创建一个(0)返回矩阵,维度与DatSet一样
#print normDataSet
m=dataSet.shape[0]#获取dataSet的行数
normDataSet=dataSet-tile(minVals,(m,1))
normDataSet=normDataSet/tile(ranges,(m,1))
return normDataSet,ranges,minVals命令行程序:
>>> from numpy import *
>>> import k
>>> datingDatMat,datingLabels=file2matrix('datingTestSet2.txt')
>>> normMat,ranges,minVals=autoNorm(datingDataSet)结果:>>> normMat
array([[ 0.44832535, 0.39805139, 0.56233353],
[ 0.15873259, 0.34195467, 0.98724416],
[ 0.28542943, 0.06892523, 0.47449629],
...,
[ 0.29115949, 0.50910294, 0.51079493],
[ 0.52711097, 0.43665451, 0.4290048 ],
[ 0.47940793, 0.3768091 , 0.78571804]])
>>> ranges
array([ 9.12730000e+04, 2.09193490e+01, 1.69436100e+00])
>>> minVals
array([ 0. , 0. , 0.001156])
def autoNorm(dataSet):
minVals=dataSet.min(0)
#print minVals
maxVals=dataSet.max(0)
#print maxVals
ranges=maxVals-minVals
#print ranges
normDataSet=zeros(shape(dataSet))#先创建一个(0)返回矩阵,维度与DatSet一样
#print normDataSet
m=dataSet.shape[0]#获取dataSet的行数
normDataSet=dataSet-tile(minVals,(m,1))
normDataSet=normDataSet/tile(ranges,(m,1))
return normDataSet,ranges,minVals命令行程序:
>>> from numpy import *
>>> import k
>>> datingDatMat,datingLabels=file2matrix('datingTestSet2.txt')
>>> normMat,ranges,minVals=autoNorm(datingDataSet)结果:>>> normMat
array([[ 0.44832535, 0.39805139, 0.56233353],
[ 0.15873259, 0.34195467, 0.98724416],
[ 0.28542943, 0.06892523, 0.47449629],
...,
[ 0.29115949, 0.50910294, 0.51079493],
[ 0.52711097, 0.43665451, 0.4290048 ],
[ 0.47940793, 0.3768091 , 0.78571804]])
>>> ranges
array([ 9.12730000e+04, 2.09193490e+01, 1.69436100e+00])
>>> minVals
array([ 0. , 0. , 0.001156])
相关文章推荐
- 机器学习实战 第二章KNN(1)python代码及注释
- 机器学习实战第二章 KNN算法的实现
- 在看完机器学习实战第一章及敲完代码的总结
- 机器学习实战第二章——KNN算法(源码解析)
- 代码注释:机器学习实战第7章 利用AdaBoost元算法提高分类性能
- 机器学习实战第二章,kNN
- 读书笔记:机器学习实战(3)——章4的朴素贝叶斯分类代码和个人理解与注释
- 机器学习实战 朴素贝叶斯原理及代码
- 机器学习实战代码3-5
- 机器学习实战_初识朴素贝叶斯算法_理解其python代码(一)
- 机器学习实战_初识朴素贝叶斯算法_理解其python代码(二)
- 补:机器学习实战_初识决策树(ID3)算法的绘制树形图的代码
- 机器学习实战-第二章(k-近邻算法)
- 代码注释:机器学习实战第11章 使用Apriori算法来发现频繁集
- 机器学习实战第二章K近邻算法照葫芦画瓢实践。
- 机器学习实战:KNN 代码注释(python)
- 机器学习实战笔记_09_树回归_代码错误修正
- 机器学习实战之KNN算法识别手写数字_代码注释
- 机器学习实战-决策树ID3-python代码
- 机器学习实战代码3-4