Skip to main content
 首页 » 编程设计

python之Scikit Learn 中的 MinMaxScaler 似乎返回的缩放值不属于 `feature_range` 参数指定的值范围

2024年12月31日8mengfanrong

这是来自官方的例子:http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.MinMaxScaler.html

>>> from sklearn.preprocessing import MinMaxScaler 
>>> 
>>> data = [[-1, 2], [-0.5, 6], [0, 10], [1, 18]] 
>>> scaler = MinMaxScaler() 
>>> print(scaler.fit(data)) 
MinMaxScaler(copy=True, feature_range=(0, 1)) 
>>> print(scaler.data_max_) 
[  1.  18.] 
>>> print(scaler.transform(data)) 
[[ 0.    0.  ] 
 [ 0.25  0.25] 
 [ 0.5   0.5 ] 
 [ 1.    1.  ]] 
>>> print(scaler.transform([[2, 2]])) 
[[ 1.5  0. ]] 

官方文档如下。

transform(X)[source] Scaling features of X according to feature_range.

Parameters: X : array-like, shape [n_samples, n_features]

Input data that will be transformed.

当 feature_range 参数的默认值为 (0, 1) 时,为什么我看到 [[ 1.5 0. ]] 作为输出>?

请您参考如下方法:

考虑这样的转换操作:

import numpy as np 
data = np.array(data) 
f1 = data[:,0] 
mn = f1.min() 
mx = f1.max() 
(f1- mn)/ (mx - mn) 

注意:转换操作是根据您的初始数据构建的。一旦构建了转换操作,它将对您的辅助数据进行操作,并且不会再次对其进行重新缩放。 您可能对参数 feature_range 有疑问。在那种情况下,您应该知道在 minmaxtransform 之后它会重新缩放数据。