sklearn.preprocessing.MaxAbsScaler
sklearn.preprocessing.MaxAbsScaler(copy=True)
通过其最大绝对值缩放每个特征,也就是每个属性除以其所在属性列的最大值。它不会移动/居中数据,因此不会破坏任何稀疏性。
Parameters(参数):
copy : boolean, optional, default is True
是否将缩放后的数据覆盖原来的数据
Attributes(属性):
scale_ : ndarray, shape (n_features,)
每个特征的数据相对缩放比例
max_abs_ : ndarray, shape (n_features,)
每个特征的最大绝对值
n_samples_seen_ : int
估计器处理的样本数。将在新的调用中重置为fit,但在partial_fit调用中递增
>>> from sklearn.preprocessing import MaxAbsScaler
>>> X = [[ 1., -1., 2.],
... [ 2., 0., 0.],
... [ 0., 1., -1.]]
>>> transformer = MaxAbsScaler().fit(X)
>>> transformer
MaxAbsScaler(copy=True)
>>> transformer.transform(X)
array([[ 0.5, -1. , 1. ],
[ 1. , 0. , 0. ],
[ 0. , 1. , -0.5]])
Methods(方法):
- fit(self, X[, y]) 计算用于以后缩放的最大绝对值。-
- fit_transform(self, X[, y]) Fit 数据,然后 transform
- get_params(self[, deep]) get 评估器的参数
- inverse_transform(self, X) 将数据按比例缩小到原始表示形式
- partial_fit(self, X[, y]) 在线计算X的最大绝对值,以便以后缩放
- set_params(self, **params) 设置此估算器的参数
- transform(self, X) 缩放数据