將數值化之後的特征值進行特征預處理

来源:https://www.cnblogs.com/henabo/archive/2019/09/26/11594593.html
-Advertisement-
Play Games

目標： 瞭解數值型數據、類別型數據特點 應用MinMaxScaler實現對特征數據歸一化 應用StandarScaler實現對特征數據進行標準化 目標： 瞭解數值型數據、類別型數據特點 應用MinMaxScaler實現對特征數據歸一化 應用StandarScaler實現對特征數據進行標準化 目標： ...


目標：

瞭解數值型數據、類別型數據特點

應用MinMaxScaler實現對特征數據歸一化

應用StandarScaler實現對特征數據進行標準化
 

特征預處理：

通過一些轉換函數將特征數據轉化為更合適演算法模型的特征數據過程

數值型數據的無量綱化（無量綱化，數學名詞，不同規格的數據轉換到統一規格）

歸一化：根據最大最小值進行縮放，預設範圍0-1，容易受到異常值的影響穩定性差，只適合小規模的數據場景

標準化：原始數據變化到0-1直接

特征預處理API：

sklearn.preprocession

為什麼要進行歸一化/標準化？

特征的單位或者大小相差較大，或者某特征的方差相比其他的特征要大出幾個數量級，容易影響（支配）目標結果，使得一些演算法無法學習到其他特征
 

1、歸一化

定義：通過對原始數據進行變換把數據映射到（預設為[0,1]）之間

X' = (x - min)/(max - min) x'' = x' * (mx - mi) + mi

(max為一列的最大值，min為一列的最小值。mx，mi分別為指定區間值預設mx為1，mi為0）

 

sklearn.preprocessing.MinMaxScaler(feature_range = (0,1))

MinMaxScaler.fit_transform(X)

X:numpy array格式的數據[n_samples, n_features]

返回：轉換後的形狀相同的array
 

歸一化總結：註意最大值最小值是變化的，另外，最大值與最小值非常容易受異常點影響，所以這種方法魯棒性較差，知識和傳統精確小數據場景。

 

from sklearn.datasets import load_iris
from sklearn.preprocessing import MinMaxScaler
import pandas as pd

#歸一化
def minmax_demo():
    #使用sklearn的自帶的數據集
    iris = load_iris()
    data = pd.DataFrame(iris.data, columns = iris.feature_names)
    data_new = data.iloc[:, :4].values
    print("data_new:\n", data_new)
    
    transfer = MinMaxScaler(feature_range = [1, 2]) #預設feature_range是[0, 1]
    
    data_minmax_value = transfer.fit_transform(data_new)
    print("data_minmax_value:\n", data_minmax_value)
    
    return None

if __name__ == '__main__':
    minmax_demo()



輸出結果：
data_new:
 [[5.1 3.5 1.4 0.2]
 [4.9 3.  1.4 0.2]
 [4.7 3.2 1.3 0.2]
 [4.6 3.1 1.5 0.2]
 [5.  3.6 1.4 0.2]
 [5.4 3.9 1.7 0.4]
 [4.6 3.4 1.4 0.3]
 [5.  3.4 1.5 0.2]
 [4.4 2.9 1.4 0.2]
 [4.9 3.1 1.5 0.1]
 [5.4 3.7 1.5 0.2]
 [4.8 3.4 1.6 0.2]
 [4.8 3.  1.4 0.1]
 [4.3 3.  1.1 0.1]
 [5.8 4.  1.2 0.2]
 [5.7 4.4 1.5 0.4]
 [5.4 3.9 1.3 0.4]
 [5.1 3.5 1.4 0.3]
 [5.7 3.8 1.7 0.3]
 [5.1 3.8 1.5 0.3]
 [5.4 3.4 1.7 0.2]
 [5.1 3.7 1.5 0.4]
 [4.6 3.6 1.  0.2]
 [5.1 3.3 1.7 0.5]
 [4.8 3.4 1.9 0.2]
 [5.  3.  1.6 0.2]
 [5.  3.4 1.6 0.4]
 [5.2 3.5 1.5 0.2]
 [5.2 3.4 1.4 0.2]
 [4.7 3.2 1.6 0.2]
 [4.8 3.1 1.6 0.2]
 [5.4 3.4 1.5 0.4]
 [5.2 4.1 1.5 0.1]
 [5.5 4.2 1.4 0.2]
 [4.9 3.1 1.5 0.1]
 [5.  3.2 1.2 0.2]
 [5.5 3.5 1.3 0.2]
 [4.9 3.1 1.5 0.1]
 [4.4 3.  1.3 0.2]
 [5.1 3.4 1.5 0.2]
 [5.  3.5 1.3 0.3]
 [4.5 2.3 1.3 0.3]
 [4.4 3.2 1.3 0.2]
 [5.  3.5 1.6 0.6]
 [5.1 3.8 1.9 0.4]
 [4.8 3.  1.4 0.3]
 [5.1 3.8 1.6 0.2]
 [4.6 3.2 1.4 0.2]
 [5.3 3.7 1.5 0.2]
 [5.  3.3 1.4 0.2]
 [7.  3.2 4.7 1.4]
 [6.4 3.2 4.5 1.5]
 [6.9 3.1 4.9 1.5]
 [5.5 2.3 4.  1.3]
 [6.5 2.8 4.6 1.5]
 [5.7 2.8 4.5 1.3]
 [6.3 3.3 4.7 1.6]
 [4.9 2.4 3.3 1. ]
 [6.6 2.9 4.6 1.3]
 [5.2 2.7 3.9 1.4]
 [5.  2.  3.5 1. ]
 [5.9 3.  4.2 1.5]
 [6.  2.2 4.  1. ]
 [6.1 2.9 4.7 1.4]
 [5.6 2.9 3.6 1.3]
 [6.7 3.1 4.4 1.4]
 [5.6 3.  4.5 1.5]
 [5.8 2.7 4.1 1. ]
 [6.2 2.2 4.5 1.5]
 [5.6 2.5 3.9 1.1]
 [5.9 3.2 4.8 1.8]
 [6.1 2.8 4.  1.3]
 [6.3 2.5 4.9 1.5]
 [6.1 2.8 4.7 1.2]
 [6.4 2.9 4.3 1.3]
 [6.6 3.  4.4 1.4]
 [6.8 2.8 4.8 1.4]
 [6.7 3.  5.  1.7]
 [6.  2.9 4.5 1.5]
 [5.7 2.6 3.5 1. ]
 [5.5 2.4 3.8 1.1]
 [5.5 2.4 3.7 1. ]
 [5.8 2.7 3.9 1.2]
 [6.  2.7 5.1 1.6]
 [5.4 3.  4.5 1.5]
 [6.  3.4 4.5 1.6]
 [6.7 3.1 4.7 1.5]
 [6.3 2.3 4.4 1.3]
 [5.6 3.  4.1 1.3]
 [5.5 2.5 4.  1.3]
 [5.5 2.6 4.4 1.2]
 [6.1 3.  4.6 1.4]
 [5.8 2.6 4.  1.2]
 [5.  2.3 3.3 1. ]
 [5.6 2.7 4.2 1.3]
 [5.7 3.  4.2 1.2]
 [5.7 2.9 4.2 1.3]
 [6.2 2.9 4.3 1.3]
 [5.1 2.5 3.  1.1]
 [5.7 2.8 4.1 1.3]
 [6.3 3.3 6.  2.5]
 [5.8 2.7 5.1 1.9]
 [7.1 3.  5.9 2.1]
 [6.3 2.9 5.6 1.8]
 [6.5 3.  5.8 2.2]
 [7.6 3.  6.6 2.1]
 [4.9 2.5 4.5 1.7]
 [7.3 2.9 6.3 1.8]
 [6.7 2.5 5.8 1.8]
 [7.2 3.6 6.1 2.5]
 [6.5 3.2 5.1 2. ]
 [6.4 2.7 5.3 1.9]
 [6.8 3.  5.5 2.1]
 [5.7 2.5 5.  2. ]
 [5.8 2.8 5.1 2.4]
 [6.4 3.2 5.3 2.3]
 [6.5 3.  5.5 1.8]
 [7.7 3.8 6.7 2.2]
 [7.7 2.6 6.9 2.3]
 [6.  2.2 5.  1.5]
 [6.9 3.2 5.7 2.3]
 [5.6 2.8 4.9 2. ]
 [7.7 2.8 6.7 2. ]
 [6.3 2.7 4.9 1.8]
 [6.7 3.3 5.7 2.1]
 [7.2 3.2 6.  1.8]
 [6.2 2.8 4.8 1.8]
 [6.1 3.  4.9 1.8]
 [6.4 2.8 5.6 2.1]
 [7.2 3.  5.8 1.6]
 [7.4 2.8 6.1 1.9]
 [7.9 3.8 6.4 2. ]
 [6.4 2.8 5.6 2.2]
 [6.3 2.8 5.1 1.5]
 [6.1 2.6 5.6 1.4]
 [7.7 3.  6.1 2.3]
 [6.3 3.4 5.6 2.4]
 [6.4 3.1 5.5 1.8]
 [6.  3.  4.8 1.8]
 [6.9 3.1 5.4 2.1]
 [6.7 3.1 5.6 2.4]
 [6.9 3.1 5.1 2.3]
 [5.8 2.7 5.1 1.9]
 [6.8 3.2 5.9 2.3]
 [6.7 3.3 5.7 2.5]
 [6.7 3.  5.2 2.3]
 [6.3 2.5 5.  1.9]
 [6.5 3.  5.2 2. ]
 [6.2 3.4 5.4 2.3]
 [5.9 3.  5.1 1.8]]
data_minmax_value:
 [[1.22222222 1.625      1.06779661 1.04166667]
 [1.16666667 1.41666667 1.06779661 1.04166667]
 [1.11111111 1.5        1.05084746 1.04166667]
 [1.08333333 1.45833333 1.08474576 1.04166667]
 [1.19444444 1.66666667 1.06779661 1.04166667]
 [1.30555556 1.79166667 1.11864407 1.125     ]
 [1.08333333 1.58333333 1.06779661 1.08333333]
 [1.19444444 1.58333333 1.08474576 1.04166667]
 [1.02777778 1.375      1.06779661 1.04166667]
 [1.16666667 1.45833333 1.08474576 1.        ]
 [1.30555556 1.70833333 1.08474576 1.04166667]
 [1.13888889 1.58333333 1.10169492 1.04166667]
 [1.13888889 1.41666667 1.06779661 1.        ]
 [1.         1.41666667 1.01694915 1.        ]
 [1.41666667 1.83333333 1.03389831 1.04166667]
 [1.38888889 2.         1.08474576 1.125     ]
 [1.30555556 1.79166667 1.05084746 1.125     ]
 [1.22222222 1.625      1.06779661 1.08333333]
 [1.38888889 1.75       1.11864407 1.08333333]
 [1.22222222 1.75       1.08474576 1.08333333]
 [1.30555556 1.58333333 1.11864407 1.04166667]
 [1.22222222 1.70833333 1.08474576 1.125     ]
 [1.08333333 1.66666667 1.         1.04166667]
 [1.22222222 1.54166667 1.11864407 1.16666667]
 [1.13888889 1.58333333 1.15254237 1.04166667]
 [1.19444444 1.41666667 1.10169492 1.04166667]
 [1.19444444 1.58333333 1.10169492 1.125     ]
 [1.25       1.625      1.08474576 1.04166667]
 [1.25       1.58333333 1.06779661 1.04166667]
 [1.11111111 1.5        1.10169492 1.04166667]
 [1.13888889 1.45833333 1.10169492 1.04166667]
 [1.30555556 1.58333333 1.08474576 1.125     ]
 [1.25       1.875      1.08474576 1.        ]
 [1.33333333 1.91666667 1.06779661 1.04166667]
 [1.16666667 1.45833333 1.08474576 1.        ]
 [1.19444444 1.5        1.03389831 1.04166667]
 [1.33333333 1.625      1.05084746 1.04166667]
 [1.16666667 1.45833333 1.08474576 1.        ]
 [1.02777778 1.41666667 1.05084746 1.04166667]
 [1.22222222 1.58333333 1.08474576 1.04166667]
 [1.19444444 1.625      1.05084746 1.08333333]
 [1.05555556 1.125      1.05084746 1.08333333]
 [1.02777778 1.5        1.05084746 1.04166667]
 [1.19444444 1.625      1.10169492 1.20833333]
 [1.22222222 1.75       1.15254237 1.125     ]
 [1.13888889 1.41666667 1.06779661 1.08333333]
 [1.22222222 1.75       1.10169492 1.04166667]
 [1.08333333 1.5        1.06779661 1.04166667]
 [1.27777778 1.70833333 1.08474576 1.04166667]
 [1.19444444 1.54166667 1.06779661 1.04166667]
 [1.75       1.5        1.62711864 1.54166667]
 [1.58333333 1.5        1.59322034 1.58333333]
 [1.72222222 1.45833333 1.66101695 1.58333333]
 [1.33333333 1.125      1.50847458 1.5       ]
 [1.61111111 1.33333333 1.61016949 1.58333333]
 [1.38888889 1.33333333 1.59322034 1.5       ]
 [1.55555556 1.54166667 1.62711864 1.625     ]
 [1.16666667 1.16666667 1.38983051 1.375     ]
 [1.63888889 1.375      1.61016949 1.5       ]
 [1.25       1.29166667 1.49152542 1.54166667]
 [1.19444444 1.         1.42372881 1.375     ]
 [1.44444444 1.41666667 1.54237288 1.58333333]
 [1.47222222 1.08333333 1.50847458 1.375     ]
 [1.5        1.375      1.62711864 1.54166667]
 [1.36111111 1.375      1.44067797 1.5       ]
 [1.66666667 1.45833333 1.57627119 1.54166667]
 [1.36111111 1.41666667 1.59322034 1.58333333]
 [1.41666667 1.29166667 1.52542373 1.375     ]
 [1.52777778 1.08333333 1.59322034 1.58333333]
 [1.36111111 1.20833333 1.49152542 1.41666667]
 [1.44444444 1.5        1.6440678  1.70833333]
 [1.5        1.33333333 1.50847458 1.5       ]
 [1.55555556 1.20833333 1.66101695 1.58333333]
 [1.5        1.33333333 1.62711864 1.45833333]
 [1.58333333 1.375      1.55932203 1.5       ]
 [1.63888889 1.41666667 1.57627119 1.54166667]
 [1.69444444 1.33333333 1.6440678  1.54166667]
 [1.66666667 1.41666667 1.6779661  1.66666667]
 [1.47222222 1.375      1.59322034 1.58333333]
 [1.38888889 1.25       1.42372881 1.375     ]
 [1.33333333 1.16666667 1.47457627 1.41666667]
 [1.33333333 1.16666667 1.45762712 1.375     ]
 [1.41666667 1.29166667 1.49152542 1.45833333]
 [1.47222222 1.29166667 1.69491525 1.625     ]
 [1.30555556 1.41666667 1.59322034 1.58333333]
 [1.47222222 1.58333333 1.59322034 1.625     ]
 [1.66666667 1.45833333 1.62711864 1.58333333]
 [1.55555556 1.125      1.57627119 1.5       ]
 [1.36111111 1.41666667 1.52542373 1.5       ]
 [1.33333333 1.20833333 1.50847458 1.5       ]
 [1.33333333 1.25       1.57627119 1.45833333]
 [1.5        1.41666667 1.61016949 1.54166667]
 [1.41666667 1.25       1.50847458 1.45833333]
 [1.19444444 1.125      1.38983051 1.375     ]
 [1.36111111 1.29166667 1.54237288 1.5       ]
 [1.38888889 1.41666667 1.54237288 1.45833333]
 [1.38888889 1.375      1.54237288 1.5       ]
 [1.52777778 1.375      1.55932203 1.5       ]
 [1.22222222 1.20833333 1.33898305 1.41666667]
 [1.38888889 1.33333333 1.52542373 1.5       ]
 [1.55555556 1.54166667 1.84745763 2.        ]
 [1.41666667 1.29166667 1.69491525 1.75      ]
 [1.77777778 1.41666667 1.83050847 1.83333333]
 [1.55555556 1.375      1.77966102 1.70833333]
 [1.61111111 1.41666667 1.81355932 1.875     ]
 [1.91666667 1.41666667 1.94915254 1.83333333]
 [1.16666667 1.20833333 1.59322034 1.66666667]
 [1.83333333 1.375      1.89830508 1.70833333]
 [1.66666667 1.20833333 1.81355932 1.70833333]
 [1.80555556 1.66666667 1.86440678 2.        ]
 [1.61111111 1.5        1.69491525 1.79166667]
 [1.58333333 1.29166667 1.72881356 1.75      ]
 [1.69444444 1.41666667 1.76271186 1.83333333]
 [1.38888889 1.20833333 1.6779661  1.79166667]
 [1.41666667 1.33333333 1.69491525 1.95833333]
 [1.58333333 1.5        1.72881356 1.91666667]
 [1.61111111 1.41666667 1.76271186 1.70833333]
 [1.94444444 1.75       1.96610169 1.875     ]
 [1.94444444 1.25       2.         1.91666667]
 [1.47222222 1.08333333 1.6779661  1.58333333]
 [1.72222222 1.5        1.79661017 1.91666667]
 [1.36111111 1.33333333 1.66101695 1.79166667]
 [1.94444444 1.33333333 1.96610169 1.79166667]
 [1.55555556 1.29166667 1.66101695 1.70833333]
 [1.66666667 1.54166667 1.79661017 1.83333333]
 [1.80555556 1.5        1.84745763 1.70833333]
 [1.52777778 1.33333333 1.6440678  1.70833333]
 [1.5        1.41666667 1.66101695 1.70833333]
 [1.58333333 1.33333333 1.77966102 1.83333333]
 [1.80555556 1.41666667 1.81355932 1.625     ]
 [1.86111111 1.33333333 1.86440678 1.75      ]
 [2.         1.75       1.91525424 1.79166667]
 [1.58333333 1.33333333 1.77966102 1.875     ]
 [1.55555556 1.33333333 1.69491525 1.58333333]
 [1.5        1.25       1.77966102 1.54166667]
 [1.94444444 1.41666667 1.86440678 1.91666667]
 [1.55555556 1.58333333 1.77966102 1.95833333]
 [1.58333333 1.45833333 1.76271186 1.70833333]
 [1.47222222 1.41666667 1.6440678  1.70833333]
 [1.72222222 1.45833333 1.74576271 1.83333333]
 [1.66666667 1.45833333 1.77966102 1.95833333]
 [1.72222222 1.45833333 1.69491525 1.91666667]
 [1.41666667 1.29166667 1.69491525 1.75      ]
 [1.69444444 1.5        1.83050847 1.91666667]
 [1.66666667 1.54166667 1.79661017 2.        ]
 [1.66666667 1.41666667 1.71186441 1.91666667]
 [1.55555556 1.20833333 1.6779661  1.75      ]
 [1.61111111 1.41666667 1.71186441 1.79166667]
 [1.52777778 1.58333333 1.74576271 1.91666667]
 [1.44444444 1.41666667 1.69491525 1.70833333]]

 

 

2、標準化

定義：通過對原始數據進行變換把數據變換到均值為0，標準差為1範圍內

公式：X' = (x - mean)/ ∝

mean是平均值，∝是標準差

對於歸一化來說，如果出現異常點，影響了最大值和最小值，那麼結果顯然會發生改變

對於標準化來說：如果出現異常點，由於具有一定數據量，商量的異常點對於平均值的影響並不大，從而方差改變較小

總結：在已有樣本足夠多的情況下比較穩定，適合現代嘈雜大數據場景

 

from sklearn.datasets import load_iris
from sklearn.preprocessing import StandardScaler
import pandas as pd

def standard_demo():
    iris = load_iris()
    data = pd.DataFrame(iris.data, columns = iris.feature_names)
    data_new = data.iloc[:, :4].values
    
    print("data_new:\n", data_new)
    
    transfer = StandardScaler()
    
    data_standard_value = transfer.fit_transform(data_new)
    print("data_standard_value:\n", data_standard_value)
    
    return None

if __name__ == '__main__':
    standard_demo()



輸出結果：
data_new:
 [[5.1 3.5 1.4 0.2]
 [4.9 3.  1.4 0.2]
 [4.7 3.2 1.3 0.2]
 [4.6 3.1 1.5 0.2]
 [5.  3.6 1.4 0.2]
 [5.4 3.9 1.7 0.4]
 [4.6 3.4 1.4 0.3]
 [5.  3.4 1.5 0.2]
 [4.4 2.9 1.4 0.2]
 [4.9 3.1 1.5 0.1]
 [5.4 3.7 1.5 0.2]
 [4.8 3.4 1.6 0.2]
 [4.8 3.  1.4 0.1]
 [4.3 3.  1.1 0.1]
 [5.8 4.  1.2 0.2]
 [5.7 4.4 1.5 0.4]
 [5.4 3.9 1.3 0.4]
 [5.1 3.5 1.4 0.3]
 [5.7 3.8 1.7 0.3]
 [5.1 3.8 1.5 0.3]
 [5.4 3.4 1.7 0.2]
 [5.1 3.7 1.5 0.4]
 [4.6 3.6 1.  0.2]
 [5.1 3.3 1.7 0.5]
 [4.8 3.4 1.9 0.2]
 [5.  3.  1.6 0.2]
 [5.  3.4 1.6 0.4]
 [5.2 3.5 1.5 0.2]
 [5.2 3.4 1.4 0.2]
 [4.7 3.2 1.6 0.2]
 [4.8 3.1 1.6 0.2]
 [5.4 3.4 1.5 0.4]
 [5.2 4.1 1.5 0.1]
 [5.5 4.2 1.4 0.2]
 [4.9 3.1 1.5 0.1]
 [5.  3.2 1.2 0.2]
 [5.5 3.5 1.3 0.2]
 [4.9 3.1 1.5 0.1]
 [4.4 3.  1.3 0.2]
 [5.1 3.4 1.5 0.2]
 [5.  3.5 1.3 0.3]
 [4.5 2.3 1.3 0.3]
 [4.4 3.2 1.3 0.2]
 [5.  3.5 1.6 0.6]
 [5.1 3.8 1.9 0.4]
 [4.8 3.  1.4 0.3]
 [5.1 3.8 1.6 0.2]
 [4.6 3.2 1.4 0.2]
 [5.3 3.7 1.5 0.2]
 [5.  3.3 1.4 0.2]
 [7.  3.2 4.7 1.4]
 [6.4 3.2 4.5 1.5]
 [6.9 3.1 4.9 1.5]
 [5.5 2.3 4.  1.3]
 [6.5 2.8 4.6 1.5]
 [5.7 2.8 4.5 1.3]
 [6.3 3.3 4.7 1.6]
 [4.9 2.4 3.3 1. ]
 [6.6 2.9 4.6 1.3]
 [5.2 2.7 3.9 1.4]
 [5.  2.  3.5 1. ]
 [5.9 3.  4.2 1.5]
 [6.  2.2 4.  1. ]
 [6.1 2.9 4.7 1.4]
 [5.6 2.9 3.6 1.3]
 [6.7 3.1 4.4 1.4]
 [5.6 3.  4.5 1.5]
 [5.8 2.7 4.1 1. ]
 [6.2 2.2 4.5 1.5]
 [5.6 2.5 3.9 1.1]
 [5.9 3.2 4.8 1.8]
 [6.1 2.8 4.  1.3]
 [6.3 2.5 4.9 1.5]
 [6.1 2.8 4.7 1.2]
 [6.4 2.9 4.3 1.3]
 [6.6 3.  4.4 1.4]
 [6.8 2.8 4.8 1.4]
 [6.7 3.  5.  1.7]
 [6.  2.9 4.5 1.5]
 [5.7 2.6 3.5 1. ]
 [5.5 2.4 3.8 1.1]
 [5.5 2.4 3.7 1. ]
 [5.8 2.7 3.9 1.2]
 [6.  2.7 5.1 1.6]
 [5.4 3.  4.5 1.5]
 [6.  3.4 4.5 1.6]
 [6.7 3.1 4.7 1.5]
 [6.3 2.3 4.4 1.3]
 [5.6 3.  4.1 1.3]
 [5.5 2.5 4.  1.3]
 [5.5 2.6 4.4 1.2]
 [6.1 3.  4.6 1.4]
 [5.8 2.6 4.  1.2]
 [5.  2.3 3.3 1. ]
 [5.6 2.7 4.2 1.3]
 [5.7 3.  4.2 1.2]
 [5.7 2.9 4.2 1.3]
 [6.2 2.9 4.3 1.3]
 [5.1 2.5 3.  1.1]
 [5.7 2.8 4.1 1.3]
 [6.3 3.3 6.  2.5]
 [5.8 2.7 5.1 1.9]
 [7.1 3.  5.9 2.1]
 [6.3 2.9 5.6 1.8]
 [6.5 3.  5.8 2.2]
 [7.6 3.  6.6 2.1]
 [4.9 2.5 4.5 1.7]
 [7.3 2.9 6.3 1.8]
 [6.7 2.5 5.8 1.8]
 [7.2 3.6 6.1 2.5]
 [6.5 3.2 5.1 2. ]
 [6.4 2.7 5.3 1.9]
 [6.8 3.  5.5 2.1]
 [5.7 2.5 5.  2. ]
 [5.8 2.8 5.1 2.4]
 [6.4 3.2 5.3 2.3]
 [6.5 3.  5.5 1.8]
 [7.7 3.8 6.7 2.2]
 [7.7 2.6 6.9 2.3]
 [6.  2.2 5.  1.5]
 [6.9 3.2 5.7 2.3]
 [5.6 2.8 4.9 2. ]
 [7.7 2.8 6.7 2. ]
 [6.3 2.7 4.9 1.8]
 [6.7 3.3 5.7 2.1]
 [7.2 3.2 6.  1.8]
 [6.2 2.8 4.8 1.8]
 [6.1 3.  4.9 1.8]
 [6.4 2.8 5.6 2.1]
 [7.2 3.  5.8 1.6]
 [7.4 2.8 6.1 1.9]
 [7.9 3.8 6.4 2. ]
 [6.4 2.8 5.6 2.2]
 [6.3 2.8 5.1 1.5]
 [6.1 2.6 5.6 1.4]
 [7.7 3.  6.1 2.3]
 [6.3 3.4 5.6 2.4]
 [6.4 3.1 5.5 1.8]
 [6.  3.  4.8 1.8]
 [6.9 3.1 5.4 2.1]
 [6.7 3.1 5.6 2.4]
 [6.9 3.1 5.1 2.3]
 [5.8 2.7 5.1 1.9]
 [6.8 3.2 5.9 2.3]
 [6.7 3.3 5.7 2.5]
 [6.7 3.  5.2 2.3]
 [6.3 2.5 5.  1.9]
 [6.5 3.  5.2 2. ]
 [6.2 3.4 5.4 2.3]
 [5.9 3.  5.1 1.8]]
data_standard_value:
 [[-9.00681170e-01  1.03205722e+00 -1.34127240e+00 -1.31297673e+00]
 [-1.14301691e+00 -1.24957601e-01 -1.34127240e+00 -1.31297673e+00]
 [-1.38535265e+00  3.37848329e-01 -1.39813811e+00 -1.31297673e+00]
 [-1.50652052e+00  1.06445364e-01 -1.28440670e+00 -1.31297673e+00]
 [-1.02184904e+00  1.26346019e+00 -1.34127240e+00 -1.31297673e+00]
 [-5.37177559e-01  1.95766909e+00 -1.17067529e+00 -1.05003079e+00]
 [-1.50652052e+00  8.00654259e-01 -1.34127240e+00 -1.18150376e+00]
 [-1.02184904e+00  8.00654259e-01 -1.28440670e+00 -1.31297673e+00]
 [-1.74885626e+00 -3.56360566e-01 -1.34127240e+00 -1.31297673e+00]
 [-1.14301691e+00  1.06445364e-01 -1.28440670e+00 -1.44444970e+00]
 [-5.37177559e-01  1.49486315e+00 -1.28440670e+00 -1.31297673e+00]
 [-1.26418478e+00  8.00654259e-01 -1.22754100e+00 -1.31297673e+00]
 [-1.26418478e+00 -1.24957601e-01 -1.34127240e+00 -1.44444970e+00]
 [-1.87002413e+00 -1.24957601e-01 -1.51186952e+00 -1.44444970e+00]
 [-5.25060772e-02  2.18907205e+00 -1.45500381e+00 -1.31297673e+00]
 [-1.73673948e-01  3.11468391e+00 -1.28440670e+00 -1.05003079e+00]
 [-5.37177559e-01  1.95766909e+00 -1.39813811e+00 -1.05003079e+00]
 [-9.00681170e-01  1.03205722e+00 -1.34127240e+00 -1.18150376e+00]
 [-1.73673948e-01  1.72626612e+00 -1.17067529e+00 -1.18150376e+00]
 [-9.00681170e-01  1.72626612e+00 -1.28440670e+00 -1.18150376e+00]
 [-5.37177559e-01  8.00654259e-01 -1.17067529e+00 -1.31297673e+00]
 [-9.00681170e-01  1.49486315e+00 -1.28440670e+00 -1.05003079e+00]
 [-1.50652052e+00  1.26346019e+00 -1.56873522e+00 -1.31297673e+00]
 [-9.00681170e-01  5.69251294e-01 -1.17067529e+00 -9.18557817e-01]
 [-1.26418478e+00  8.00654259e-01 -1.05694388e+00 -1.31297673e+00]
 [-1.02184904e+00 -1.24957601e-01 -1.22754100e+00 -1.31297673e+00]
 [-1.02184904e+00  8.00654259e-01 -1.22754100e+00 -1.05003079e+00]
 [-7.79513300e-01  1.03205722e+00 -1.28440670e+00 -1.31297673e+00]
 [-7.79513300e-01  8.00654259e-01 -1.34127240e+00 -1.31297673e+00]
 [-1.38535265e+00  3.37848329e-01 -1.22754100e+00 -1.31297673e+00]
 [-1.26418478e+00  1.06445364e-01 -1.22754100e+00 -1.31297673e+00]
 [-5.37177559e-01  8.00654259e-01 -1.28440670e+00 -1.05003079e+00]
 [-7.79513300e-01  2.42047502e+00 -1.28440670e+00 -1.44444970e+00]
 [-4.16009689e-01  2.65187798e+00 -1.34127240e+00 -1.31297673e+00]
 [-1.14301691e+00  1.06445364e-01 -1.28440670e+00 -1.44444970e+00]
 [-1.02184904e+00  3.37848329e-01 -1.45500381e+00 -1.31297673e+00]
 [-4.16009689e-01  1.03205722e+00 -1.39813811e+00 -1.31297673e+00]
 [-1.14301691e+00  1.06445364e-01 -1.28440670e+00 -1.44444970e+00]
 [-1.74885626e+00 -1.24957601e-01 -1.39813811e+00 -1.31297673e+00]
 [-9.00681170e-01  8.00654259e-01 -1.28440670e+00 -1.31297673e+00]
 [-1.02184904e+00  1.03205722e+00 -1.39813811e+00 -1.18150376e+00]
 [-1.62768839e+00 -1.74477836e+00 -1.39813811e+00 -1.18150376e+00]
 [-1.74885626e+00  3.37848329e-01 -1.39813811e+00 -1.31297673e+00]
 [-1.02184904e+00  1.03205722e+00 -1.22754100e+00 -7.87084847e-01]
 [-9.00681170e-01  1.72626612e+00 -1.05694388e+00 -1.05003079e+00]
 [-1.26418478e+00 -1.24957601e-01 -1.34127240e+00 -1.18150376e+00]
 [-9.00681170e-01  1.72626612e+00 -1.22754100e+00 -1.31297673e+00]
 [-1.50652052e+00  3.37848329e-01 -1.34127240e+00 -1.31297673e+00]
 [-6.58345429e-01  1.49486315e+00 -1.28440670e+00 -1.31297673e+00]
 [-1.02184904e+00  5.69251294e-01 -1.34127240e+00 -1.31297673e+00]
 [ 1.40150837e+00  3.37848329e-01  5.35295827e-01  2.64698913e-01]
 [ 6.74501145e-01  3.37848329e-01  4.21564419e-01  3.96171883e-01]
 [ 1.28034050e+00  1.06445364e-01  6.49027235e-01  3.96171883e-01]
 [-4.16009689e-01 -1.74477836e+00  1.37235899e-01  1.33225943e-01]
 [ 7.95669016e-01 -5.87763531e-01  4.78430123e-01  3.96171883e-01]
 [-1.73673948e-01 -5.87763531e-01  4.21564419e-01  1.33225943e-01]
 [ 5.53333275e-01  5.69251294e-01  5.35295827e-01  5.27644853e-01]
 [-1.14301691e+00 -1.51337539e+00 -2.60824029e-01 -2.61192967e-01]
 [ 9.16836886e-01 -3.56360566e-01  4.78430123e-01  1.33225943e-01]
 [-7.79513300e-01 -8.19166497e-01  8.03701950e-02  2.64698913e-01]
 [-1.02184904e+00 -2.43898725e+00 -1.47092621e-01 -2.61192967e-01]
 [ 6.86617933e-02 -1.24957601e-01  2.50967307e-01  3.96171883e-01]
 [ 1.89829664e-01 -1.97618132e+00  1.37235899e-01 -2.61192967e-01]
 [ 3.10997534e-01 -3.56360566e-01  5.35295827e-01  2.64698913e-01]
 [-2.94841818e-01 -3.56360566e-01 -9.02269170e-02  1.33225943e-01]
 [ 1.03800476e+00  1.06445364e-01  3.64698715e-01  2.64698913e-01]
 [-2.94841818e-01 -1.24957601e-01  4.21564419e-01  3.96171883e-01]
 [-5.25060772e-02 -8.19166497e-01  1.94101603e-01 -2.61192967e-01]
 [ 4.32165405e-01 -1.97618132e+00  4.21564419e-01  3.96171883e-01]
 [-2.94841818e-01 -1.28197243e+00  8.03701950e-02 -1.29719997e-01]
 [ 6.86617933e-02  3.37848329e-01  5.92161531e-01  7.90590793e-01]
 [ 3.10997534e-01 -5.87763531e-01  1.37235899e-01  1.33225943e-01]
 [ 5.53333275e-01 -1.28197243e+00  6.49027235e-01  3.96171883e-01]
 [ 3.10997534e-01 -5.87763531e-01  5.35295827e-01  1.75297293e-03]
 [ 6.74501145e-01 -3.56360566e-01  3.07833011e-01  1.33225943e-01]
 [ 9.16836886e-01 -1.24957601e-01  3.64698715e-01  2.64698913e-01]
 [ 1.15917263e+00 -5.87763531e-01  5.92161531e-01  2.64698913e-01]
 [ 1.03800476e+00 -1.24957601e-01  7.05892939e-01  6.59117823e-01]
 [ 1.89829664e-01 -3.56360566e-01  4.21564419e-01  3.96171883e-01]
 [-1.73673948e-01 -1.05056946e+00 -1.47092621e-01 -2.61192967e-01]
 [-4.16009689e-01 -1.51337539e+00  2.35044910e-02 -1.29719997e-01]
 [-4.16009689e-01 -1.51337539e+00 -3.33612130e-02 -2.61192967e-01]
 [-5.25060772e-02 -8.19166497e-01  8.03701950e-02  1.75297293e-03]
 [ 1.89829664e-01 -8.19166497e-01  7.62758643e-01  5.27644853e-01]
 [-5.37177559e-01 -1.24957601e-01  4.21564419e-01  3.96171883e-01]
 [ 1.89829664e-01  8.00654259e-01  4.21564419e-01  5.27644853e-01]
 [ 1.03800476e+00  1.06445364e-01  5.35295827e-01  3.96171883e-01]
 [ 5.53333275e-01 -1.74477836e+00  3.64698715e-01  1.33225943e-01]
 [-2.94841818e-01 -1.24957601e-01  1.94101603e-01  1.33225943e-01]
 [-4.16009689e-01 -1.28197243e+00  1.37235899e-01  1.33225943e-01]
 [-4.16009689e-01 -1.05056946e+00  3.64698715e-01  1.75297293e-03]
 [ 3.10997534e-01 -1.24957601e-01  4.78430123e-01  2.64698913e-01]
 [-5.25060772e-02 -1.05056946e+00  1.37235899e-01  1.75297293e-03]
 [-1.02184904e+00 -1.74477836e+00 -2.60824029e-01 -2.61192967e-01]
 [-2.94841818e-01 -8.19166497e-01  2.50967307e-01  1.33225943e-01]
 [-1.73673948e-01 -1.24957601e-01  2.50967307e-01  1.75297293e-03]
 [-1.73673948e-01 -3.56360566e-01  2.50967307e-01  1.33225943e-01]
 [ 4.32165405e-01 -3.56360566e-01  3.07833011e-01  1.33225943e-01]
 [-9.00681170e-01 -1.28197243e+00 -4.31421141e-01 -1.29719997e-01]
 [-1.73673948e-01 -5.87763531e-01  1.94101603e-01  1.33225943e-01]
 [ 5.53333275e-01  5.69251294e-01  1.27454998e+00  1.71090158e+00]
 [-5.25060772e-02 -8.19166497e-01  7.62758643e-01  9.22063763e-01]
 [ 1.52267624e+00 -1.24957601e-01  1.21768427e+00  1.18500970e+00]
 [ 5.53333275e-01 -3.56360566e-01  1.04708716e+00  7.90590793e-01]
 [ 7.95669016e-01 -1.24957601e-01  1.16081857e+00  1.31648267e+00]
 [ 2.12851559e+00 -1.24957601e-01  1.61574420e+00  1.18500970e+00]
 [-1.14301691e+00 -1.28197243e+00  4.21564419e-01  6.59117823e-01]
 [ 1.76501198e+00 -3.56360566e-01  1.44514709e+00  7.90590793e-01]
 [ 1.03800476e+00 -1.28197243e+00  1.16081857e+00  7.90590793e-01]
 [ 1.64384411e+00  1.26346019e+00  1.33141568e+00  1.71090158e+00]
 [ 7.95669016e-01  3.37848329e-01  7.62758643e-01  1.05353673e+00]
 [ 6.74501145e-01 -8.19166497e-01  8.76490051e-01  9.22063763e-01]
 [ 1.15917263e+00 -1.24957601e-01  9.90221459e-01  1.18500970e+00]
 [-1.73673948e-01 -1.28197243e+00  7.05892939e-01  1.05353673e+00]
 [-5.25060772e-02 -5.87763531e-01  7.62758643e-01  1.57942861e+00]
 [ 6.74501145e-01  3.37848329e-01  8.76490051e-01  1.44795564e+00]
 [ 7.95669016e-01 -1.24957601e-01  9.90221459e-01  7.90590793e-01]
 [ 2.24968346e+00  1.72626612e+00  1.67260991e+00  1.31648267e+00]
 [ 2.24968346e+00 -1.05056946e+00  1.78634131e+00  1.44795564e+00]
 [ 1.89829664e-01 -1.97618132e+00  7.05892939e-01  3.96171883e-01]
 [ 1.28034050e+00  3.37848329e-01  1.10395287e+00  1.44795564e+00]
 [-2.94841818e-01 -5.87763531e-01  6.49027235e-01  1.05353673e+00]
 [ 2.24968346e+00 -5.87763531e-01  1.67260991e+00  1.05353673e+00]
 [ 5.53333275e-01 -8.19166497e-01  6.49027235e-01  7.90590793e-01]
 [ 1.03800476e+00  5.69251294e-01  1.10395287e+00  1.18500970e+00]
 [ 1.64384411e+00  3.37848329e-01  1.27454998e+00  7.90590793e-01]
 [ 4.32165405e-01 -5.87763531e-01  5.92161531e-01  7.90590793e-01]
 [ 3.10997534e-01 -1.24957601e-01  6.49027235e-01  7.90590793e-01]
 [ 6.74501145e-01 -5.87763531e-01  1.04708716e+00  1.18500970e+00]
 [ 1.64384411e+00 -1.24957601e-01  1.16081857e+00  5.27644853e-01]
 [ 1.88617985e+00 -5.87763531e-01  1.33141568e+00  9.22063763e-01]
 [ 2.49201920e+00  1.72626612e+00  1.50201279e+00  1.05353673e+00]
 [ 6.74501145e-01 -5.87763531e-01  1.04708716e+00  1.31648267e+00]
 [ 5.53333275e-01 -5.87763531e-01  7.62758643e-01  3.96171883e-01]
 [ 3.10997534e-01 -1.05056946e+00  1.04708716e+00  2.64698913e-01]
 [ 2.24968346e+00 -1.24957601e-01  1.33141568e+00  1.44795564e+00]
 [ 5.53333275e-01  8.00654259e-01  1.04708716e+00  1.57942861e+00]
 [ 6.74501145e-01  1.06445364e-01  9.90221459e-01  7.90590793e-01]
 [ 1.89829664e-01 -1.24957601e-01  5.92161531e-01  7.90590793e-01]
 [ 1.28034050e+00  1.06445364e-01  9.33355755e-01  1.18500970e+00]
 [ 1.03800476e+00  1.06445364e-01  1.04708716e+00  1.57942861e+00]
 [ 1.28034050e+00  1.06445364e-01  7.62758643e-01  1.44795564e+00]
 [-5.25060772e-02 -8.19166497e-01  7.62758643e-01  9.22063763e-01]
 [ 1.15917263e+00  3.37848329e-01  1.21768427e+00  1.44795564e+00]
 [ 1.03800476e+00  5.69251294e-01  1.10395287e+00  1.71090158e+00]
 [ 1.03800476e+00 -1.24957601e-01  8.19624347e-01  1.44795564e+00]
 [ 5.53333275e-01 -1.28197243e+00  7.05892939e-01  9.22063763e-01]
 [ 7.95669016e-01 -1.24957601e-01  8.19624347e-01  1.05353673e+00]
 [ 4.32165405e-01  8.00654259e-01  9.33355755e-01  1.44795564e+00]
 [ 6.86617933e-02 -1.24957601e-01  7.62758643e-01  7.90590793e-01]]

 

 

參考鏈接：https://www.cnblogs.com/ftl1012/p/10498480.html


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 如何更規範化編寫Java 代碼
    如何更規範化編寫Java 代碼 Many of the happiest people are those who own the least. But are we really so happy with our IPhones, our big houses, our fancy cars? ...
  • Spring 框架基礎(03)：核心思想 IOC 說明，案例演示
    本文源碼： "GitHub·點這裡" || "GitEE·點這裡" 一、IOC控制反轉 1、IOC容器思想 Java系統中對象耦合關係十分複雜，系統的各模塊之間依賴，微服務模塊之間的相互調用請求，都是這個道理。降低系統模塊之間、對象之間、微服務的服務之間耦合度，是軟體工程核心問題之一。因為Sprin ...
  • 六星教育php vip視頻（分享）
    六星教育php vip視頻（分享） 最近看的一個swoole的課程，應該也算是vip課程了,不是公開的直播課 比較有特點有一定深度，swoole的實戰教程一直也不多，結合swoole構建一個新型框架，最後講解如何實現分散式RPC的調用。 部分課程截圖： 下載鏈接：https://pan.baidu. ...
  • Go語言開發環境搭建
    寫的有不好的地方還請指正 1.下載與安裝 golang下載官網：1. https://golang.google.cn/dl/ 然後這裡我下載的是當前最新版本go1.13 下載完成之後直接雙擊安裝，然後預設是安裝到C盤的C:\Go目錄下，當然安裝的時候可以更改目錄，但是改不改其實無所謂，因為後面創建 ...
  • 品Spring：bean定義上梁山
    認真閱讀，收穫滿滿，向智慧又邁進一步。。。 技術不枯燥，先來點閑聊先說點好事高興一下。前段時間看新聞說，我國正式的空間站建設已在進行當中。下半年，長征五號B運載火箭將在海南文昌航天發射場擇機將空間站核心艙發射升空。預計用2到3年將空間站建好。雖然到時你們不讓我上去，不過我也為這件事出不了什麼力，算扯 ...
  • 夯實Java基礎系列4：一文瞭解final關鍵字的特性、使用方法，以及實現原理
    目錄 "final使用" "final變數" "final修飾基本數據類型變數和引用" "final類" "final關鍵字的知識點" "final關鍵字的最佳實踐" "final的用法" "關於空白final" "final記憶體分配" "使用final修飾方法會提高速度和效率嗎" "使用final ...
  • 關於分頁的一些前後臺知識與應用
    我們知道前臺所顯示的數據一般是傳過去一些list集合封裝的信息，但面對眾多的數據自然不可能是一頁顯示完成， 需要我們進行分頁處理。這裡需要前後臺分別對數據和頁面就行處理和交互，才能形成良好界面。 先從後臺代碼說起，首先傳到前臺的數據不止集合，還需要分頁的一些數據參數，所以這裡我們選擇封裝一個Page ...
  • 操作系統學習（二）--進程描述和執行
    這是操作系統系列第 2 篇。 如果你想知道操作系統每天都在做些什麼，那就打開你的資源監視器： 資源監視器截圖，Windows 10 單獨通過這一張圖，我們就能夠總結出操作系統的幾個重要功能： 進程管理 線程管理 記憶體管理 I/O 管理 （包含了磁碟調度） 文件管理 ，這一功能在圖裡沒有表現出來，但我 ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發（一）：使用.NET MAUI開發第一個安卓APP
    移動開發（一）：使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說，近來想嘗試開發一款安卓APP，考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP，畢竟是使用Visual Studio開發工具，使用起來也比較的順手，結合微軟官方的教程進行了安卓 ...
  • wpf ToggleButton選中效果和一個登錄界面
    前言 QuestPDF 是一個開源 .NET 庫，用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫，它徹底改變了我們生成 PDF 文檔的方 ...
  • 彈幕樹洞項目功能新增篇
    項目地址 項目後端地址： https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址： ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址： http://tree ...
  • 第27篇 sqlserver2022詳細安裝步驟
    話不多說，直接開乾 一.下載 1.官方鏈接下載： https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe，運行開始下載SQL server； 二. ...
  • .NET 開源高性能 MQTT 類庫
    前言 隨著物聯網（IoT）技術的迅猛發展，MQTT（消息隊列遙測傳輸）協議憑藉其輕量級和高效性，已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫，為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog文檔翻譯系列（六） - 可用的接收器、增強器、格式化輸出
    Serilog支持多種接收器用於日誌存儲，增強器用於添加屬性，LogContext管理動態屬性，支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項，適用於不同需求。 ...
  • 警惕 Visual Studio 屬性求值副作用導致邏輯不符合預期
    目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據，爬取信息時需要模擬瀏覽器行為，否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下： 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • [使用目前最新版]HybridCLR6.9.0+YooAsset2.2.4實現純C# Unity熱更新方案 (一)
    1.前言 什麼是熱更新 游戲或者軟體更新時，無需重新下載客戶端進行安裝，而是在應用程式啟動的情況下，在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR，Xlua，ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles，Addressable， ...
  • 在 ASP.NET Core Web API 中使用操作篩選器統一處理通用操作
    本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺，其實像阿裡雲，騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後，它會送 ...
  • 第28篇 如何.net中實現高效可靠數據同步api
    通過以下方式可以高效，並保證數據同步的可靠性 1.API設計 使用RESTful設計，確保API端點明確，並使用適當的HTTP方法（如POST用於創建，PUT用於更新）。 設計清晰的請求和響應模型，以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證，確保接收到的數據符合預期格 ...
所有分類