sklearn.preprocessing.minmax_scale?

sklearn.preprocessing.minmax_scale(X, feature_range=(01), *, axis=0, copy=True)

[源碼]

通過將每個特征縮放到給定范圍來變換特征。

該估計器分別縮放和轉換每個特征,以使其在訓練集上處于給定范圍內,即介于零和一之間。

轉換由(當axis=0時)給出:

X_std = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0))
X_scaled = X_std * (max - min) + min

最小,最大= feature_range。

轉換的計算方式為(當axis=0時):

X_scaled = scale * X + min - X.min(axis=0) * scale
where scale = (max - min) / (X.max(axis=0) - X.min(axis=0))

此變換通常用作零均值,單位方差縮放的替代方法。

用戶指南中閱讀更多內容。

0.17版中的新功能: sklearn.preprocessing.MinMaxScaler函數接口。

參數 說明
X array-like, shape (n_samples, n_features)
數據。
feature_range tuple (min, max), default=(0, 1)
所需的轉換數據范圍。
axis int, default=0
用于縮放的軸。如果為0,則分別縮放每個特征,否則(如果為1)縮放每個樣本。
copy bool, default=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)。

另見:

MinMaxScaler

使用“ Transformer” API(例如,作為預處理sklearn.pipeline.Pipeline的一部分)執行縮放到給定范圍的縮放。

注釋

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

sklearn.preprocessing.minmax_scale使用示例?