min-max归一化

python示例：

from sklearn import preprocessing

X=[
    [1,2,3],
    [2,2,1],
    [3,4,5]]
#按照列对数据进行归一化
min_max_scaler = preprocessing.MinMaxScaler()
X = min_max_scaler.fit_transform(X)
print(X)

运行结果：

Z-score
归一化后的数据服从正态分布
python示例：

from sklearn import preprocessing
#每一行表示一个样本，每一列表示一个属性
X=[
    [1,2,3],
    [2,2,1],
    [3,4,5]]
#按照列对数据进行归一化
X=preprocessing.scale(X)
print(X)

运行结果：

小数定标法
通过移动属性A的小数点进行规范化，小数点的移动依赖于A的最大绝对值：

例：假定A的取值范围为[-691,14],则A的最大绝对值为691，每个值除以1000（j=3),-691就被规范化为-0.691，14被规范化为0.014

python 示例：

import numpy as np

X=[
    [1,2,3],
    [2,2,1],
    [3,4,5]]
X=np.array(X)
#按照列对数据进行归一化
j=np.ceil(np.log10(np.max(abs(X))))
X = X/(10**j)
print(X)

运行结果：