特征锦囊：特征无量纲化的常见操作方法

• 2020 年 1 月 2 日
• 筆記

特征无量纲化的常见操作方法

第一招，从简单的特征量纲处理开始，这里介绍了3种无量纲化操作的方法，同时也附上相关的包以及调用方法，欢迎补充！

无量纲化：即nondimensionalize 或者dimensionless，是指通过一个合适的变量替代，将一个涉及物理量的方程的部分或全部的单位移除，以求简化实验或者计算的目的。——百度百科

进行进一步解释，比如有两个字段，一个是车行走的公里数，另一个是人跑步的距离，他们之间的单位其实差异还是挺大的，其实两者之间无法进行比较的，但是我们可以进行去量纲，把他们的变量值进行缩放，都统一到某一个区间内，比如0-1，便于不同单位或者量级之间的指标可以进行比较or加权！

下面的是sklearn里的一些无量纲化的常见操作方法。

from sklearn.datasets import load_iris  #导入IRIS数据集  iris = load_iris()    #标准化，返回值为标准化后的数据  from sklearn.preprocessing import StandardScaler  StandardScaler().fit_transform(iris.data)    #区间缩放，返回值为缩放到[0, 1]区间的数据  from sklearn.preprocessing import MinMaxScaler  MinMaxScaler().fit_transform(iris.data)    #归一化，返回值为归一化后的数据  from sklearn.preprocessing import Normalizer  Normalizer().fit_transform(iris.data)  

通过上述的方法调用，可以达到我们进行去量纲的目的，你学会了吗？