#数据预处理方法，主要是处理数据的量纲和同趋势化问题。
import numpy as np
from sklearn import preprocessing
#零均值规范
data=np.random.rand(3,4)#随机生成3行4列的数据
data_standardized=preprocessing.scale(data)#对数据进行归一化处理，即每个数值减去均值除以方差 主要用于svm
#线性数据变换最大最小化处理
data_scaler=preprocessing.MinMaxScaler(feature_range=(0,1))#选定区间（0，1）,原始数据-最小值/（最大值-最小值）
data_scaled=data_scaler.fit(data)
#数据标准化处理normalized
data_normalized=preprocessing.normalize(data,norm=\'l1\')#减少人为增加特征，经过处理后数据贾总等于1
#特征二值化，
data_binarized=prepressing.Binarizer(threshold=0.5).transform(data)#以0.5为阈值，大于0.5为1，小于0.5为0
#label_encode对标签进行数值化
label_encode=preprocessing.LabelEncoder()
input_class=[\'audi\',\'ford\',\'audi\',\'bmw\',\'toyota\',\'benz\']
label_encode.fit(input_class)
for i ,item in enmerate(label_encode.class_):
print(item,\'-->\',i)
#onehotencode