你的預處理數(shù)據(jù)集中可能包含各種各樣、不同比例的特征字段，比如美元、千克、價格，有的特征列數(shù)值范圍在100以內，有的卻達到幾百萬，差異很大。

很多機器學習模型不希望有這樣大的差異，如果數(shù)據(jù)集各個屬性之間的數(shù)值差異越小，則模型表現(xiàn)的會越好。這里不一概而論，具體原因小伙伴們自行探索下。

方法1：數(shù)據(jù)歸一化

數(shù)據(jù)歸一化是指將原始數(shù)據(jù)縮放到0和1之間。

對于依賴于值的大小的模型，這種對輸入屬性的縮放很管用。比如在K近鄰模型的距離測量和回歸系數(shù)的準備。

接下來用都知道的鳶尾花數(shù)據(jù)集演示數(shù)據(jù)歸一化：

# 對鳶尾花數(shù)據(jù)集進行數(shù)據(jù)歸一化處理.
from sklearn.datasets import load_iris
from sklearn import preprocessing
# 加載數(shù)據(jù)
iris = load_iris()
print(iris.data.shape)
# 分離原始數(shù)據(jù)集，分為自變量和因變量
X = iris.data
y = iris.target
# 歸一化處理
normalized_X = preprocessing.normalize(X)

方法2：數(shù)據(jù)標準化

數(shù)據(jù)標準化是指：將數(shù)據(jù)縮放，改變每個屬性的分布，使其平均值為0，標準差為1。

諸如高斯過程等依賴于特征分布的模型，對特征進行標準化是非常有用的。

依然用鳶尾花的例子：

# 對鳶尾花數(shù)據(jù)集進行數(shù)據(jù)標準化處理.
from sklearn.datasets import load_iris
from sklearn import preprocessing
# 加載數(shù)據(jù)
iris = load_iris()
print(iris.data.shape)
# 分離原始數(shù)據(jù)集，分為自變量和因變量
X = iris.data
y = iris.target
# 標準化處理
standardized_X = preprocessing.scale(X)