python sklearn 中数据处理 归一化函数 — MinMaxScaler()

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(
  • 7
    点赞
  • 26
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值