Python與機器學習（第2版）（微課版） 課件 3-03-歸一化處理任務實施

課程負責人：陳清華【數(shù)據(jù)挖掘應用】課程觀影數(shù)據(jù)回歸分析歸一化處理任務實施掌握數(shù)據(jù)歸一化處理的方法了解要進行數(shù)據(jù)歸一化處理的情況會使用sklearn對數(shù)據(jù)進行歸一化處理能力目標對票房等數(shù)據(jù)進行歸一化處理主要內(nèi)容任務工單引導問題任務評價標準任務解決方案代碼解析任務工單教學難點使用sklearn中的數(shù)據(jù)預處理模塊對放映天數(shù)、日均票房做歸一化處理。在數(shù)據(jù)標準化的基礎上，重新訓練一元線性回歸模型，并對電影日均票房進行預測。任務概述

任務描述：010010011001101010100100110110100101110101000100001011011101001010101101010011010010film.txt（1）為什么需要對數(shù)據(jù)進行歸一化處理？（2）什么情況下要對數(shù)據(jù)進行歸一化處理？（3）歸一化處理方法有哪些？sklearn已經(jīng)封裝哪幾種？（4）寫出歸一化后的一元線性回歸方程，比較與前一任務的結果有何不同？”

問題引導：任務概述

任務評價：任務概述評價內(nèi)容評價要點分值分數(shù)評定自我評價1.任務實施數(shù)據(jù)歸一化處理2分數(shù)據(jù)正確處理得2分，每1項得1分

模型再訓練1分代碼正確且順利執(zhí)行得1分

模型可視化1分展現(xiàn)結果清晰得1分2.效果評估對比不同模型得指標，并得出評估報告4分能正確展現(xiàn)評估結果得1分，模型指標有提升得3分

3.任務總結依據(jù)任務實施情況總結結論2分總結內(nèi)容切中本任務的重點要點得2分

合計10分

第1行：導入minmax_scale第2行：歸一化fromsklearn.preprocessingimportminmax_scaledf['日均票房/萬元']=minmax_scale(df['日均票房/萬元'])df['放映天數(shù)']=minmax_scale(df['放映天數(shù)'])df.head()第3行：顯示數(shù)據(jù)任務解決方案步驟一：歸一化處理。步驟二：查看日均票房與放映天數(shù)范圍（最后兩列）縮放后的數(shù)據(jù)步驟三：范圍縮放后的一元線性回歸分析結果任務解決方案為什么要歸一化評判依據(jù)：身體指數(shù)=3*身高+2*體重0.310例如：

身高

體重1.51.6110115結論：體重變化的影響

>>身高變化的影響身高（米）體重（斤）1.2951.31001.41051.51101.61151.7120以身體指數(shù)評判為例為什么要歸一化評判依據(jù)：身體指數(shù)=3*身高+2*體重體重110身高1.51.6體重110115身高（米）體重（斤）1.2951.31001.41051.51101.61151.7120以某身體指數(shù)評判為例為什么要歸一化身高（米）體重（斤）1.2951.31001.41051.51101.61151.7120以某身體指數(shù)評判為例評判依據(jù)：身體指數(shù)=3*身高+2*體重原因：兩個特征值的單位不同解決辦法：歸一化，讓特征值處在同一個數(shù)量級上歸一化的作用

在機器學習領域中，不同評價指標（即特征向量中的不同特征就是所述的不同評價指標）往往具有不同的量綱和量綱單位，這樣的情況會影響到數(shù)據(jù)分析的結果，為了消除指標之間的量綱影響，需要進行數(shù)據(jù)歸一化處理，以解決數(shù)據(jù)指標之間的可比性問題。

歸一化是將有量綱的表達式，經(jīng)過變換，化為無量綱的表達式，成為標量。

如果不對數(shù)據(jù)進行歸一化處理，則會導致梯度下降，復雜度增加或損失函數(shù)（lossfunction）只能選擇線性，從而導致模型效果不佳。歸一化：Normalization歸一化的方法：

1）最大最小標準化（Min-MaxNormalization）2）Z-score標準化方法3）非線性歸一化歸一化：歸一化的好處：1）歸一化后加快了梯度下降求最優(yōu)解的速度；2）歸一化有可能提高精度（如KNN）。注：沒有一種數(shù)據(jù)標準化的方法放在每一個問題、每一個模型，都能提高算法精度和加速收斂。歸一化是將有量綱的表達式，經(jīng)過變換，化為無量綱的表達式，成為標量。sklearn中的歸一化處理sklearn中的preprocessing用于數(shù)據(jù)預處理minmax_scale()函數(shù)通過將每個特征縮放到給定范圍來轉換特征，官方定義如下:minmax_scale(X,feature_range=(0,1),*,axis=0,copy=True)參數(shù)：X：形狀類似數(shù)組(n_samples,n_features)，指定要變換的數(shù)據(jù)feature_range：元組(最小值，最大值)，默認=(0,1)，指定所需的轉換數(shù)據(jù)范圍axis：整數(shù)，默認=0。指定用于縮放的軸。如果為0，則獨立縮放每個特征，否則(如果為1)縮放每個樣本copy：布爾，默認=真。設置為False以執(zhí)行就地縮放并避免復制(如果輸入已經(jīng)是一個numpy數(shù)組)返回：X_tr：ndarray形狀(n_samples，n_features)，為轉換后的數(shù)據(jù)minmax_scale()規(guī)模化特征到一定的范圍內(nèi)，使得特征的分布在一個給定最小值和最大值的范圍內(nèi)。一般情況下是在[0,1]之間，或者是特征中絕對值最大的那個數(shù)為1，其他數(shù)以此標準分布在[-1,1]之間。minmax_scale()給定了一個明確的最大值與最小值。示例：df['放映天數(shù)']=minmax_scale(df['放映天數(shù)'])minmax_scale()使用方法

給定的票房數(shù)據(jù)中不同特征的數(shù)值范圍變化大，如放映天數(shù)和票房。因此，將特征縮放到合理的范圍是非常重要的。范圍縮放