L1归一化函数

首页 / 机器学习入门教程 / L1归一化函数

可以将其定义为以某种方式修改数据集值的归一化技术,使得每一行中绝对值的总和始终为1。这也称为最小绝对偏差。

在此示例中,无涯教程使用L1归一化技术对之前使用的Pima Indians Diabetes数据集的数据进行归一化。首先,将加载CSV数据,然后在 Normalizer 类的帮助下将其标准化。

以下脚本的前几行与在上一章中编写CSV数据时写的相同。

from pandas import read_csv
from numpy import set_printoptions
from sklearn.preprocessing import Normalizer
path=r'C:\pima-indians-diabetes.csv'
names=['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class']
dataframe=read_csv (path, names=names)
array=dataframe.values

现在,可以对L1使用Normalizer类来对数据进行归一化。

Data_normalizer=Normalizer(norm='l1').fit(array)
Data_normalized=Data_normalizer.transform(array)

无涯教程还可以根据选择汇总输出数据。在这里,将精度设置为2,并在输出中显示前3行。

无涯教程网

set_printoptions(precision=2)
print ("\nNormalized data:\n", Data_normalized [0:3])

运行上面代码输出

链接:https://www.learnfk.comhttps://www.learnfk.com/python-machine-learning/machine-learning-with-python-lone-normalization.html

来源:LearnFk无涯教程网

Normalized data:
[[0.02 0.43 0.21 0.1  0. 0.1  0. 0.14 0. ]
[0.    0.36 0.28 0.12 0. 0.11 0. 0.13 0. ]
[0.03  0.59 0.21 0.   0. 0.07 0. 0.1  0. ]]

这一章《机器学习 - 数据处理 - L1归一化函数》你学到了什么?在下面做个笔记吧!做站不易,你的分享是对我们最大的支持

猜你喜欢

从0开发一款iOS App -〔朱德权〕

Linux内核技术实战课 -〔邵亚方〕

Spring编程常见错误50例 -〔傅健〕

零基础实战机器学习 -〔黄佳〕

好记忆不如烂笔头。留下你的足迹吧 :)