缩放对于距离测量很重要
一、数据缩放
你的预处理数据集中可能包含各种各样、不同比例的特征字段，比如美元、千克、价格，有的特征列数值范围在100以内，有的却达到几百万，差异很大。
很多机器学习模型不希望有这样大的差异，如果数据集各个属性之间的数值差异越小，则模型表现的会越好。这里不一概而论，具体原因小伙伴们自行探索下。
1、归一化
数据归一化是指将原始数据缩放到0和1之间。
对于依赖于值的大小的模型，这种对输入属性的缩放很管用。比如在K近邻模型的距离测量和回归系数的准备。
接下来用大名鼎鼎的鸢尾花数据集演示数据归一化的例子。
# 对鸢尾花数据集进行数据归一化处理. from sklearn.datasets import load_iris from sklearn import preprocessing # 加载数据 iris = load_iris() print(iris.data.shape) # 分离原始数据集，分为自变量和因变量 X = iris.data y = iris.target # 归一化处理 normalized_X = preprocessing.normalize(X)
2、标准化
数据标准化是指：数据集中，每个特征列的数值减去其平均值，再除以其标准差，得到均值为0，标准差为1的服从标准正态分布的数据。
诸如高斯过程等依赖于特征分布的模型，对特征进行标准化是非常有用的。
依然用鸢尾花的例子。
# 对鸢尾花数据集进行数据标准化处理. from sklearn.datasets import load_iris from sklearn import preprocessing # 加载数据 iris = load_iris() print(iris.data.shape) # 分离原始数据集，分为自变量和因变量 X = iris.data y = iris.target # 标准化处理 standardized_X = preprocessing.scale(X)