sklearn.preprocessing.MaxAbsScaler

class sklearn.preprocessing.MaxAbsScaler(*, copy=True)

[源码]

通过其最大绝对值缩放每个特征。

该估计器分别缩放和转换每个特征，以使训练集中每个特征的最大绝对值为1.0。它不会移动/居中数据，因此不会破坏任何稀疏性。

该缩放器也可以应用于稀疏CSR或CSC矩阵。

版本0.17中的新功能。

参数 说明
copy boolean, optional, default is True
设置为False将执行就地缩放并避免复制（如果输入已经是一个numpy数组）。
属性 说明
scale_ ndarray, shape (n_features,)
每个要素的数据相对缩放。
0.17版中的新功能：scale_属性。
max_abs_ ndarray, shape (n_features,)
每个功能的最大绝对值。
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。

另见：

maxabs_scale

没有估算器API的等效函数。

注释

NaN被视为缺失值：忽略适合度，并保持变换值。

有关不同缩放器，转换器和规范化器的比较，请参阅examples/preprocessing/plot_all_scaling.py。

示例

>>> from sklearn.preprocessing import MaxAbsScaler
>>> X = [[ 1., -1.,  2.],
...      [ 2.,  0.,  0.],
...      [ 0.,  1., -1.]]
>>> transformer = MaxAbsScaler().fit(X)
>>> transformer
MaxAbsScaler()
>>> transformer.transform(X)
array([[ 0.5, -1. ,  1. ],
       [ 1. ,  0. ,  0. ],
       [ 0. ,  1. , -0.5]])

方法

方法 说明
fit(X[, y]) 计算用于以后缩放的最大绝对值。
fit_transform(X[, y]) 拟合数据，然后对其进行转换。
get_params([deep]) 获取此估计量的参数。
inverse_transform(X) 将数据按比例缩小到原始表示形式
partial_fit(X[, y]) 在线计算X的最大绝对值，以便以后缩放。
set_params(**params) 设置此估算器的参数。
transform(X) 缩放数据 
__init__(*, copy=True)

[源码]

初始化self,有关准确的签名，请参见help（type（self））。

fit(X, y=None)

[源码]

计算用于以后缩放的最大绝对值。

参数 说明
X {array-like, sparse matrix}, shape [n_samples, n_features]
该数据用于计算每个特征的最小值和最大值，以用于以后沿特征轴缩放。		 
fit_transform(X, y=None, **fit_params)

[源码]

拟合数据，然后对其进行转换。

使用可选参数fit_params将转换器拟合到X和y，并返回X的转换版本。

参数 说明
X {array-like, sparse matrix, dataframe} of shape (n_samples, n_features)
y ndarray of shape (n_samples,), default=None
目标值。
**fit_params dict
其他拟合参数。
返回值 说明
X_new ndarray array of shape (n_samples, n_features_new)
转换后的数组。		 
get_params(deep=True)

[源码]

获取此估计量的参数。

参数 说明
deep bool, default=True
如果为True，则将返回此估算器和作为估算器的所包含子对象的参数。
返回值 说明
params mapping of string to any
参数名称映射到其值。		 
inverse_transform(X)

[源码]

将数据按比例缩小到原始表示形式

参数 说明
X {array-like, sparse matrix}
应该转换回的数据。		 
partial_fit(X, y=None)

[源码]

在线计算X的最大绝对值，以便以后缩放。

所有X都作为一个批处理。这适用于由于n_sample数量过多或从连续流中读取X而无法进行拟合的情况。

参数 说明
X {array-like, sparse matrix}, shape [n_samples, n_features]
用于计算平均值和标准偏差的数据，这些平均值和标准偏差用于以后沿特征轴缩放。
返回值 说明
y None
忽略。		 
set_params(**params)

[源码]

设置此估算器的参数。

该方法适用于简单的估计器以及嵌套对象（例如管道）。后者的参数形 <component>__<parameter>这样就可以更新嵌套对象的每个组件。

参数 说明
**params dict
估算器参数。
返回值 说明
self object
估算器实例。		 
transform(X)

[源码]

缩放数据

参数 说明
X {array-like, sparse matrix}
应该缩放的数据。

sklearn.preprocessing.MaxAbsScaler使用示例