python sklearn 中数据处理 归一化函数 |
您所在的位置：网站首页 › 归一化公式解释 › python sklearn 中数据处理 归一化函数 |
|
MinMaxScaler()函数在sklearn包中 MinMaxScaler()函数原型为： sklearn.preprocessing.MinMaxScaler(feature_range=(0, 1), copy=True) 其中： feature_range：为元组类型，范围某认为:[0，1]，也可以取其他范围值。 copy：为拷贝属性，默认为True,表示对原数据组拷贝操作，这样变换后元数组不变，False表 示变换操作后，原数组也跟随变化，相当于c++中的引用或指针。copy = 1 的效果 同 copy = True，copy = 0 的效果同 copy =False 函数表示的数学原型为： X_std = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0)) X_scaled = X_std * (max - min) + min #注意：上面的函数时对数组的每一列进行处理的，处理之前的数据类型为 numpy.array 或者 list（列表类型）。注意！：如果是numpy 类型，数据类型要设置成np.float64 或者 np.float32 的形式，如果是np.int 的形式会出现warning 的提醒。 如果是np.float64 ，MinMaxScaler() 函数处理之后是 数据类型是 np.float64; 如果是np.float32 ，MinMaxScaler() 函数处理之后是 数据类型是 np.float32; 如果是list ，MinMaxScaler() 函数处理之后是 数据类型是 np.float64; 处理之后是在设置范围feautre_range = (min, max) 中 min - max 这个范围内的数，并且数据的形状和原数据保持一致，处理之后的数据类型为np.float64。其中 min ， max分别 默认为 0 ， 1 下面是举例： from sklearn import preprocessing import numpy as np x = np.array([[1.,-1.,2.], [2.,0.,0.], [0.,1.,-1.]]) min_max_scaler = preprocessing.MinMaxScaler()#默认为范围0~1，拷贝操作 # 其中默认的参数是 copy = True ，也就是生成新的数据，不改变原来的数据 # min_max_scaler1 = preprocessing.MinMaxScaler(feature_range = (1,3),copy = False)#范围改为1~3，对原数组操作 # min_max_scaler1 = preprocessing.MinMaxScaler(feature_range = (0,1),copy = False)#范围改为1~3，对原数组操作 # min_max_scaler1 = preprocessing.MinMaxScaler(feature_range = (0,1),copy = 0)#范围改为1~3，对原数组操作 # copy = 0 时，完全和 copy=False 时 得到的结果一样 min_max_scaler1 = preprocessing.MinMaxScaler(feature_range = (0,1),copy = 1)# copy =1 时 和 copy = True 时得到的结果一样， 其中copy=True 是系统默认的 x_minmax = min_max_scaler.fit_transform(x) print('x_minmax = \n',x_minmax) print('x = \n', x) print("--------- 我是分割线 ------------") # 原来的 x 和 现在的 min_max_scaler_copy 数值是一样的，都是fit_transform 之后的数据 min_max_scaler_copy = min_max_scaler1.fit_transform(x) print("x = \n", x) print("min_max_scaler_copy = \n", min_max_scaler_copy) print("-------- wanjie -----------") #新的测试数据进来，同样的转换 # 新的数据，列数一样，行数可以不一样 x_test = np.array([[-3,-1,4.], [0,-1,10]]) x_test_maxabs = min_max_scaler.transform(x_test) print('x_test_maxabs = ',x_test_maxabs) |
今日新闻 |
推荐新闻 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |