NumPy数组的最小-最大归一化

NumPy数组的最小-最大归一化

参考此交叉验证链接，如何将数据标准化到0-1范围？，看来您可以在的最后一列执行最小-最大规格化

foo

。

v = foo[:, 1]   # foo[:, -1] for the last columnfoo[:, 1] = (v - v.min()) / (v.max() - v.min())fooarray([[ 0.        ,  0.        ],       [ 0.13216   ,  0.06609523],       [ 0.25379   ,  1.        ],       [ 0.30874   ,  0.09727968]])

---

执行规范化的另一种方法（由OP建议）是使用

sklearn.preprocessing.normalize

，其产生的结果略有不同-

from sklearn.preprocessing import normalizefoo[:, [-1]] = normalize(foo[:, -1, None], norm='max', axis=0)fooarray([[ 0.        ,  0.2378106 ],       [ 0.13216   ,  0.28818769],       [ 0.25379   ,  1.        ],       [ 0.30874   ,  0.31195614]])