什麼是特徵處理？
透過特定的統計方法（數學方法）將待處理資料轉換為演算法要求的資料的這個過程稱為特徵處理。
數值型資料歸一化方案：
歸一化的特點
對原始資料進行歸一化處理後使其對映到指定範圍內（通常預設是［0，1］之間）
降低資料附帶的量綱影響，使不同的特徵具有相同的尺度（
Scale
），進而具有可比性（公平性）
【注】 歸一化也被稱為最大最小標準化（
min-max Normalization
）、調節比例（
Rescaling
）
我們常用的歸一化特徵處理的統計（數學）方法便是線性轉換的方式
上述公式中，
x
min 表示源資料中特徵的最小值，
x
max 表示特徵的最大值，x則表示源資料中的具體值
我們平時所見的歸一化都是將資料對映到［0，1］之間，若是將資料對映到自定義範圍內呢？顯然上述公式不具有通用性。具備通用性的其實是下面這個
其中，
a
表示將資料縮放到指定區間內的上限，
b
表示將資料縮放到指定區間的下線。歸一化整體流程如下圖
上述縮放結果是藉助機器學習中的
sklearn
模組來完成的，完整的程式碼如下
預設縮放到［0， 1］時
# -*- coding：utf-8 -*-# @Author： 資料與程式設計之美# @File： min_max_normalization。pyfrom sklearn。preprocessing import MinMaxScalerdef min_max_handle（）： # 歸一化 mms = MinMaxScaler（） data = mms。fit_transform（［［425， 42， 0。16］， ［544， 66， 1。28］， ［509， 75， 0。87］， ［496， 60， 0。99］， ［580， 23， 1。15］］） print（data）if __name__ == “__main__”： min_max_handle（）
縮放到任意區間內時，只需加入引數並指定區間範圍既可，如指定到［5， 8］之間時
# -*- coding：utf-8 -*-# @Author： 資料與程式設計之美# @File： min_max_normalization。pyfrom sklearn。preprocessing import MinMaxScalerdef min_max_handle（）： # 歸一化 mms = MinMaxScaler（feature_range=（5， 8）） data = mms。fit_transform（［［425， 42， 0。16］， ［544， 66， 1。28］， ［509， 75， 0。87］， ［496， 60， 0。99］， ［580， 23， 1。15］］） print（data）if __name__ == “__main__”： min_max_handle（）
上述內容便是資料特徵處理中的資料歸一化理論、操作流程。然而歸一化只是眾多特徵處理方案中的一種手段，其最終服務的成熟演算法還是有侷限性的。
歸一化的不足之處
對於常見的歸一化處理手段（基於線性轉換的方式） ，從其理論表示式可以看出，歸一化後的結果與xmin （最小）、xmax（最大）值相關，也就是由極值決定。
當增加樣本量資料時，有可能導致某特徵的極值發生變化，從而導致歸一化結果不穩定（
不具備魯棒性
），實際使用時可以使用經驗常量來代替
xmin
（最小）、
xmax
（最大）值；在工程規模方面來考慮時，歸一化適用於資料量少的工程。
——END——
首發地址： 公眾號：
資料與程式設計之美
