sklearn.preprocessing.MaxAbsScaler?

class sklearn.preprocessing.MaxAbsScaler(*, copy=True)

[源碼]

通過其最大絕對值縮放每個特征。

該估計器分別縮放和轉換每個特征，以使訓練集中每個特征的最大絕對值為1.0。它不會移動/居中數據，因此不會破壞任何稀疏性。

該縮放器也可以應用于稀疏CSR或CSC矩陣。

版本0.17中的新功能。

參數 說明
copy boolean, optional, default is True
設置為False將執行就地縮放并避免復制（如果輸入已經是一個numpy數組）。
屬性 說明
scale_ ndarray, shape (n_features,)
每個要素的數據相對縮放。
0.17版中的新功能：scale_屬性。
max_abs_ ndarray, shape (n_features,)
每個功能的最大絕對值。
n_samples_seen_ int
估計器處理的樣本數。將在新的調用中重置為fit，但在partial_fit調用中遞增。

另見：

maxabs_scale

沒有估算器API的等效函數。

注釋

NaN被視為缺失值：忽略適合度，并保持變換值。

有關不同縮放器，轉換器和規范化器的比較，請參閱examples/preprocessing/plot_all_scaling.py。

示例

>>> from sklearn.preprocessing import MaxAbsScaler
>>> X = [[ 1., -1.,  2.],
...      [ 2.,  0.,  0.],
...      [ 0.,  1., -1.]]
>>> transformer = MaxAbsScaler().fit(X)
>>> transformer
MaxAbsScaler()
>>> transformer.transform(X)
array([[ 0.5, -1. ,  1. ],
       [ 1. ,  0. ,  0. ],
       [ 0. ,  1. , -0.5]])

方法

方法 說明
fit(X[, y]) 計算用于以后縮放的最大絕對值。
fit_transform(X[, y]) 擬合數據，然后對其進行轉換。
get_params([deep]) 獲取此估計量的參數。
inverse_transform(X) 將數據按比例縮小到原始表示形式
partial_fit(X[, y]) 在線計算X的最大絕對值，以便以后縮放。
set_params(**params) 設置此估算器的參數。
transform(X) 縮放數據 
__init__(*, copy=True)

[源碼]

初始化self,有關準確的簽名，請參見help（type（self））。

fit(X, y=None)

[源碼]

計算用于以后縮放的最大絕對值。

參數 說明
X {array-like, sparse matrix}, shape [n_samples, n_features]
該數據用于計算每個特征的最小值和最大值，以用于以后沿特征軸縮放。		 
fit_transform(X, y=None, **fit_params)

[源碼]

擬合數據，然后對其進行轉換。

使用可選參數fit_params將轉換器擬合到X和y，并返回X的轉換版本。

參數 說明
X {array-like, sparse matrix, dataframe} of shape (n_samples, n_features)
y ndarray of shape (n_samples,), default=None
目標值。
**fit_params dict
其他擬合參數。
返回值 說明
X_new ndarray array of shape (n_samples, n_features_new)
轉換后的數組。		 
get_params(deep=True)

[源碼]

獲取此估計量的參數。

參數 說明
deep bool, default=True
如果為True，則將返回此估算器和作為估算器的所包含子對象的參數。
返回值 說明
params mapping of string to any
參數名稱映射到其值。		 
inverse_transform(X)

[源碼]

將數據按比例縮小到原始表示形式

參數 說明
X {array-like, sparse matrix}
應該轉換回的數據。		 
partial_fit(X, y=None)

[源碼]

在線計算X的最大絕對值，以便以后縮放。

所有X都作為一個批處理。這適用于由于n_sample數量過多或從連續流中讀取X而無法進行擬合的情況。

參數 說明
X {array-like, sparse matrix}, shape [n_samples, n_features]
用于計算平均值和標準偏差的數據，這些平均值和標準偏差用于以后沿特征軸縮放。
返回值 說明
y None
忽略。		 
set_params(**params)

[源碼]

設置此估算器的參數。

該方法適用于簡單的估計器以及嵌套對象（例如管道）。后者的參數形 <component>__<parameter>這樣就可以更新嵌套對象的每個組件。

參數 說明
**params dict
估算器參數。
返回值 說明
self object
估算器實例。		 
transform(X)

[源碼]

縮放數據

參數 說明
X {array-like, sparse matrix}
應該縮放的數據。

sklearn.preprocessing.MaxAbsScaler使用示例?