Scikit-learn 数据预处理之归一化MinMaxScaler
生活随笔
收集整理的這篇文章主要介紹了
Scikit-learn 数据预处理之归一化MinMaxScaler
小編覺得挺不錯的,現(xiàn)在分享給大家,幫大家做個參考.
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? Scikit-learn 數(shù)據(jù)預(yù)處理之歸一化MinMaxScaler
1 聲明
本文的數(shù)據(jù)來自網(wǎng)絡(luò)，部分代碼也有所參照，這里做了注釋和延伸，旨在技術(shù)交流，如有冒犯之處請聯(lián)系博主及時處理。
2 MinMaxScaler簡介
MinMaxScaler當(dāng)數(shù)據(jù)(x)按照最小值中心化后，再按極差（最大值 - 最小值）縮放，數(shù)據(jù)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(shù)據(jù)歸一化(Normalization，又稱Min-Max Scaling)
應(yīng)用場景:在不涉及距離度量、協(xié)方差、數(shù)據(jù)不符合正態(tài)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(rèn)縮放到0到1之間?？赏ㄟ^feature_range指定區(qū)間。
? ? ? 2 這里的數(shù)據(jù)矩陣形式如下：
總結(jié)
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(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 金华烟草电子商务网上订货平台（j金华烟草
- 下一篇： Scikit-learn 数据预处理之标