? ? ? ? ? ? ? ? ? ? ? ? ? ? ? Scikit-learn 數據預處理之歸一化MinMaxScaler

1 聲明

本文的數據來自網絡，部分代碼也有所參照，這里做了注釋和延伸，旨在技術交流，如有冒犯之處請聯系博主及時處理。

2 MinMaxScaler簡介

MinMaxScaler當數據(x)按照最小值中心化后，再按極差（最大值 - 最小值）縮放，數據移動了最小值個單位，并且會被收斂到[0,1]之間，該過程叫數據歸一化(Normalization，又稱Min-Max Scaling)

應用場景:在不涉及距離度量、協方差、數據不符合正態分布、異常值較少時。

?

3 MinMaxScaler

計算公式(A為某個屬性或者特征)：

import pandas as pd from sklearn.preprocessing import MinMaxScaler data = pd.DataFrame({'a':[1,2,3],'b':[5,6,6],'c':[9,100,2]} ) print(data.values) #歸一化(MinMaxScaler) min_max_scaler = MinMaxScaler(feature_range=[0,1]) min_max_scaler_data=min_max_scaler.fit_transform(data) print(min_max_scaler_data)

注: 1 默認縮放到0到1之間。可通過feature_range指定區間。

? ? ? 2 這里的數據矩陣形式如下：

總結

以上是生活随笔為你收集整理的Scikit-learn 数据预处理之归一化MinMaxScaler的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。