一、原理介绍中常用的数据标准化方法有最大最小规范化、均方差标准化、小数定标法、定量特征二值化等。 其中，均值方差标准化是将数据转换为标准正态分布的标准化方法。 在回归模型中，遵循正态分布的自变量和因变量往往对应于较高的回归预测效果。 平均值归一化的计算公式为x '=xx '=frac { x- mu } {sigma } x '=x
在该表达式中，x表示各个数据的可取值， mu 表示相应列的平均值， sigma 表示相应列的标准偏差
二、代码实现# 筛选加载模块froms klearn.preprocessingimportstandardscalerimportwarningswarnings.filter warnings (ignore ) )警告的含义from ppore P#读取数据data=PD.read _ CSV (f :/data/data.CSV )， encoding='gbk ' ) #bgk是中文代码# 表示阅览数据前5行的data.head ()1)资产负债率；2 )除去保证金的资产负债率；3 )长期资本负债率；4 )长期资产适合率；5 )权益乘数00.6557990.6067080.6138650.4990 . 93299020.9573910.9415430 60.5306370.95808640.8052350.7960710.8614800.5412990.957462 #已标准化，返回值为标准化数据SSS
-2.18550266e-01、-4.97556164e-01]、
[5.83511306e-02、1.83702105e-01、6.61977686e-01、
7.51432528 e00，3.06672601 e-01 ]，
[ 1.90602996 e00，1.69014811 e00，-2.10373034e 00，
- 2.41440984 e-01，6.23989972 e-01 ]，
…，
[-1.14289225e-01、-1.81738238e-01、-4.01819153e-01、
- 1.78750448 e-04，2.31292440 e-01 ]，
[-7.54465400e-01，- 7.37349652 e-01，3.84582589 e-01，
-2.41868662e-01、-3.87772198e-01]、
[ 1.2886801 e00，1.12495300 e00，-2.10373034e 00，
- 2.48967045 e-01，5.66083685 e-01 ] )
#由于标准化数据为array格式，因此将其转换为数据框standard _ data=PD.data frame (standard _ data )，使数据成为csv文件，然后进行后续建模
#标准化数据中不包括列名standard _ data.columns=data.columns standard _ data.head (() )资产负债率) )存款的资产负债率；3 )长期资本负债率) - 0.218550-0.49755610.0583510.1837020.6619787.5143250.30667321.9060301.6619787 1.1320780.3277240.44979790 绘制概率密度图，展示数据分布PLT.rcparams [ ' font.sans-serif ' ]=[ ' simhei ' ] #图为中文PLT.rcparams [ ' axes.unicode _ MINUS
从概率密度图可以看出，归一化数据对称分布在0的两侧，接近正态分布。