特征缩放:
1、一种重缩放此类特征的方法。
2、公式:
3、要思考的问题:如果 x_max 和 x_min 相同怎么办?例如,假设输入特征的列表是 [10, 10, 10]——分母将为零。我们的建议是通常为每个新特征指定 0.5(0.0 和 1.0 中间),但这实际上由你自己决定。要点是,这个公式可能会有问题。
4、使用 RBF 核函数的 SVM和K-均值聚类机器学习算法会受到特征缩放的影响
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. ]])