sklearn特征缩放之MaxAbsScaler

通过 MaxAbsScaler进行特征缩放

import numpy as np
import matplotlib.pyplot as plt
from sklearn import preprocessing

(一)基本的用法和示例
MaxAbsScaler 类与 MinMaxScaler 非常类似但是其是通过
对每个feature样本÷该feature中的最大值将其feature中的样
客写的太罗嗦了，如果对于一个函数解释的过于详细，那么
可能我们会浪费大量的时间，我们学习某个功能直接了解其
最基本的功能即可和基本的用法，其用法总结如下：
1.构造分类器 scaler = preprocessing.MaxAbsScaler()
2.初始化分类器
3.数据缩放
不少情况下2、3可以一起操作
X_trian_maxabs = max_abs_scaler.fit_transform(X_train),但
是通常情况下也可以先fit然后再transform，具体可以查阅类Class MaxAbsScaler

#Tesr data
X_train = np.array([[1., -1., 2.], [2., 0., 0.], [0., 1., -1.],])
#Construction of scaler
max_abs_scaler = preprocessing.MaxAbsScaler()
#Initialize the scaler and scale the X_train data
X_train_maxabs = max_abs_scaler.fit_transform(X_train)
print('X_train_maxabs', X_train_maxabs)

X_train_maxabs [[ 0.5 -1.   1. ]
 [ 1.   0.   0. ]
 [ 0.   1.  -0.5]]