Как нормализовать данные для всех параметров в одном диапазоне шкалы

Question

У меня есть CSV-файл,
Данные:

Выход: 1172,4, 1712,7, 863,88, 2731,34, 5220.

Дождь (мм): 113,6, 152,3, 181,9, 152,3, 125,3

манекен (types_of_soil): 1, 0, 0, 2, 1

фиктивная переменная: 1 ==> Средний чернозем

0 ==> глубокий черный

2 ==> Редька коричневая

Зависимая переменная (y): доходность

Независимая переменная: дождь, пустышка (типы почв)

Итак, я хочу нормализовать эти данные, как масштабировать данные в диапазоне от 1 до 10?

Я пытаюсь использовать формулу: (XI - мин) / (макс - мин) Это правильно?

и как масштабировать данные для двоичной переменной (пустышка)?

Answer 1

Вы можете использовать этот код для нормализации данных

import pandas
import scipy
import numpy
from sklearn.preprocessing import MinMaxScaler
url = "filename.csv"
names = ['yield','Rain','types of soil']
dataframe = pandas.read_csv(url, names=names)
array = dataframe.values
# separate array into input and output components
X = array[:,]  **select x independent variable**
Y = array[:,]  **select y dependent variable**
scaler = MinMaxScaler(feature_range=(0, 1))
rescaledX = scaler.fit_transform(X)
# summarize transformed data
numpy.set_printoptions(precision=3)
print(rescaledX[0:5,:])

Больше подробностей. см. эту ссылку http://machinelearningmastery.com/prepare-data-machine-learning-python-scikit-learn/