特徵縮放:
1、一種重縮放此類特徵的方法。
2、公式:
3、要思考的問題:如果 x_max 和 x_min 相同怎麼辦?例如,假設輸入特徵的列表是 [10, 10, 10]——分母將爲零。我們的建議是通常爲每個新特徵指定 0.5(0.0 和 1.0 中間),但這實際上由你自己決定。要點是,這個公式可能會有問題。
4、使用 RBF 核函數的 SVM和K-均值聚類機器學習算法會受到特徵縮放的影響
5、https://scikit-learn.org/stable/modules/preprocessing.html
>>> from sklearn import preprocessing
>>> import numpy as np
>>> X_train = np.array([[ 1., -1., 2.],
... [ 2., 0., 0.],
... [ 0., 1., -1.]])
...
>>> min_max_scaler = preprocessing.MinMaxScaler()
>>> X_train_minmax = min_max_scaler.fit_transform(X_train)
>>> X_train_minmax
array([[0.5 , 0. , 1. ],
[1. , 0.5 , 0.33333333],
[0. , 1. , 0. ]])