引言
由于目前网上似乎没有博客详细介绍Sklearn的归一化函数MinMaxScalar到底是如何实现数据归一化的,而笔者也不确定生成的scalar的对象能不能完成数据单一映射而对实验结果的精度造成影响,于是有了此篇文章。本文通过生成的格式化数据,对MinMaxScalar函数的处理机制进行了探讨和介绍。通过这篇文章,你可能会发现该函数的机制似乎和你想的不一样(手动滑稽)
正文
实验一
- 第一步是导入包,然后生成一个4X4的矩阵如下
from sklearn.preprocessing import MinMaxScaler
import numpy as np
data = np.reshape(np.arange(0,16,1),(4,4))
print(data)
可以看到生成数据如下:
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]]
- 第二步,接着我们看一下,归一化后的数据长什么样子:
scalar = MinMaxScaler(feature_range=(0,1))
scalar_data = scalar.fit_transform(data)
print(scalar_data)
结果如下:
[