day02-数据特征预处理

# coding=utf-8
from sklearn.preprocessing import MinMaxScaler,StandardScaler

def mm():
    """
    归一化处理
    适合于数据量少，但是精度非常高的数据
    有异常点的话则对处理的影响比较大
    :return:
    """
    mm = MinMaxScaler()
    data = mm.fit_transform([[9,20,10,4],[10,15,69,10],[15,24,15,9]])
    print(data)
    return None

def stand():
    """
    标准化处理
    适合数据多的情况，对异常点的处理较好
    :return:
    """
    sds =StandardScaler()
    data = sds.fit_transform([[9,20,10,4],[10,15,69,10],[15,24,15,9]])
    print(data)

    return None

if __name__ == '__main__':
    mm()
    stand()

再次对特征值进行处理，使得各个特征值对预测的结果的影响是相等的，即将各个特征值的值规范到统一的范围内