关于Sklearn的归一化函数MinMaxScalar探讨

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：

[