题解|特征扩展实现

特征扩展是一种数据预处理技术，包括特征缩放、特征标准化、特征归一化、特征正则化等。本题考察的是特征缩放和特征标准化。

特征缩放是一种将输入数据转换为统一尺度的方法，它通过将输入数据中的每个元素进行缩放，来使得输入数据中的每个元素的值统一在某个尺度之下。

特征标准化是将输入数据转换为均值为0，方差为1的分布。

本题中要求了标准化和最大最小归一化，对应的公式为：

标准代码如下

def feature_scaling(data):
    mean = np.mean(data, axis=0)
    std = np.std(data, axis=0)
    standardized_data = (data - mean) / std
    
    min_val = np.min(data, axis=0)
    max_val = np.max(data, axis=0)
    normalized_data = (data - min_val) / (max_val - min_val)
    
    return np.round(standardized_data,4).tolist(), np.round(normalized_data,4).tolist()

需要注意的是，scipy库中也有对应的特征缩放方法，这里给出一种实现方式

def feature_scaling(data):
    from sklearn.preprocessing import StandardScaler, MinMaxScaler
    scaler = StandardScaler()
    standardized_data = scaler.fit_transform(data)
    scaler = MinMaxScaler()
    normalized_data = scaler.fit_transform(data)
    return np.round(standardized_data,4).tolist(), np.round(normalized_data,4).tolist()