Question

我有csv文件，
数据：

产量：1172.4,1712.7,863.88,2731.34,5220

降雨（mm）：113.6,152.3,181.9,152.3,125.3

dummy（types_of_soil）：1,0,0,2,1

虚拟变量： 1 ==＆gt;中等黑土

0 ==＆gt;深黑色

2 ==＆gt;萝卜棕色

因变量（y）：产量

自变量：雨，假（土壤类型）

所以，我想规范化这个数据，如何在1到10范围内扩展数据？

我尝试使用公式：（xi - min）/（max - min）这是对的吗？

以及如何缩放二进制变量（虚拟）的数据？

Answer 1

您可以使用此代码来规范化数据

import pandas
import scipy
import numpy
from sklearn.preprocessing import MinMaxScaler
url = "filename.csv"
names = ['yield','Rain','types of soil']
dataframe = pandas.read_csv(url, names=names)
array = dataframe.values
# separate array into input and output components
X = array[:,]  **select x independent variable**
Y = array[:,]  **select y dependent variable**
scaler = MinMaxScaler(feature_range=(0, 1))
rescaledX = scaler.fit_transform(X)
# summarize transformed data
numpy.set_printoptions(precision=3)
print(rescaledX[0:5,:])

了解更多详情。看到这个链接 http://machinelearningmastery.com/prepare-data-machine-learning-python-scikit-learn/

如何在相同的比例范围内规范化所有参数的数据

1 个答案: