特徵錦囊：特徵無量綱化的常見操作方法

• 2020 年 1 月 2 日
• 筆記

特徵無量綱化的常見操作方法

第一招，從簡單的特徵量綱處理開始，這裡介紹了3種無量綱化操作的方法，同時也附上相關的包以及調用方法，歡迎補充！

無量綱化：即nondimensionalize 或者dimensionless，是指通過一個合適的變數替代，將一個涉及物理量的方程的部分或全部的單位移除，以求簡化實驗或者計算的目的。——百度百科

進行進一步解釋，比如有兩個欄位，一個是車行走的公里數，另一個是人跑步的距離，他們之間的單位其實差異還是挺大的，其實兩者之間無法進行比較的，但是我們可以進行去量綱，把他們的變數值進行縮放，都統一到某一個區間內，比如0-1，便於不同單位或者量級之間的指標可以進行比較or加權！

下面的是sklearn里的一些無量綱化的常見操作方法。

from sklearn.datasets import load_iris  #導入IRIS數據集  iris = load_iris()    #標準化，返回值為標準化後的數據  from sklearn.preprocessing import StandardScaler  StandardScaler().fit_transform(iris.data)    #區間縮放，返回值為縮放到[0, 1]區間的數據  from sklearn.preprocessing import MinMaxScaler  MinMaxScaler().fit_transform(iris.data)    #歸一化，返回值為歸一化後的數據  from sklearn.preprocessing import Normalizer  Normalizer().fit_transform(iris.data)  

通過上述的方法調用，可以達到我們進行去量綱的目的，你學會了嗎？