特征归一化的意义
- 各特征之间的大小范围一致，才能使用距离度量等算法
- 加速梯度下降算法的收敛
- 在SVM算法中，一致化的特征能加速寻找支持向量的时间
- 不同的机器学习算法，能接受的输入数值范围不一样
本文采用MinMaxScaler归一方法
归一化到-1到1代码
data_before=pd.read_excel('E:/daima/getfeature_timesforms/home/video_feature/feature.xlsx')
min_max_scaler = MinMaxScaler(feature_range=(-1,1))#归一化至-1 - 1
data = min_max_scaler.fit_transform(data_before)#归一化后的结果
归一化至0-1
data_before=pd.read_excel('E:/daima/getfeature_timesforms/home/video_feature/feature.xlsx')
scaler=MinMaxScaler()
scaler.fit(data_before)
data=scaler.transform(data_before)
