Python机器学习手册：从数据预处理到深度学习

63

第 4 章

处理数值型数据

4.0

　简介

定量的数据是用来度量某个对象的，比如一个班有多少人、每月的销售额或者学生的

成绩等。这些量的最自然的表示方式就是数字（例如，一个班有

29

个学生，销售额是

529,392

美元）。本章会讲解多种将原始数值型数据转换成机器学习算法所需特征的方法。

4.1

　特征的缩放

问题描述

将一个数值型特征的值缩放（

rescale

）到两个特定的值之间。

解决方案

用

scikit-learn

的

MinMaxScaler

来缩放一个特征数组 ：

#

加载库

import numpy as np

from sklearn import preprocessing

#

创建特征

feature = np.array([[-500.5],

[-100.1],

[0],

[100.1],

[900.9]])

64

｜

第

4

章

处理数值型数据

#

创建缩放器

minmax_scale = preprocessing.MinMaxScaler(feature_range=(0, 1))

#

缩放特征的值

scaled_feature = minmax_scale.fit_transform(feature)

#

查看特征

scaled_feature

array([[ 0. ], ...