sklearn.preprocessing.minmax_scale?
sklearn.preprocessing.minmax_scale(X, feature_range=(0, 1), *, axis=0, copy=True)
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。
在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:
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。