关于归一化[0,1],一般指的是Min-Max Normalization
关于归一化,按单独的列进行归一化用的比较多
对全部的列进行归一化,使用sklearn 的MinMaxScaler,使用时MinMaxScaler()函数在进行计算时取的是每列的最大最小值
x' = (x - X_min) / (X_max - X_min)
因此我们可以先将array的data进行reshape为向量,将所有的数据看作一列进行计算,此时取到的最大最小值是全部数据的最大最小值,计算完成后reshape为原array的大小
data = np.array([[ 0, 1, 5, 3, 4],
[ 5, 5.5, 6, 8, 9],
[10, 11, 12, 13, 14]])
min_max_scaler = preprocessing.MinMaxScaler()
data_reshape = data.reshape([-1, 1])
data_reshape_norm = min_max_scaler.fit_transform(data_reshape)
data_norm = data_reshape_norm.reshape(data.shape)
print(data_norm)