sklearn.preprocessing.MaxAbsScaler

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
评论
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