sklearn.preprocessing.minmax_scale¶
sklearn.preprocessing.minmax_scale(X, feature_range=(0, 1), *, axis=0, copy=True)
通过将每个特征缩放到给定范围来变换特征。
该估计器分别缩放和转换每个特征,以使其在训练集上处于给定范围内,即介于零和一之间。
转换由(当axis=0时)给出:
X_std = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0))
X_scaled = X_std * (max - min) + min
最小,最大= feature_range。
转换的计算方式为(当axis=0时):
X_scaled = scale * X + min - X.min(axis=0) * scale
where scale = (max - min) / (X.max(axis=0) - X.min(axis=0))
此变换通常用作零均值,单位方差缩放的替代方法。
在用户指南中阅读更多内容。
0.17版中的新功能: sklearn.preprocessing.MinMaxScaler
函数接口。
参数 | 说明 |
---|---|
X | array-like, shape (n_samples, n_features) 数据。 |
feature_range | tuple (min, max), default=(0, 1) 所需的转换数据范围。 |
axis | int, default=0 用于缩放的轴。如果为0,则分别缩放每个特征,否则(如果为1)缩放每个样本。 |
copy | bool, default=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)。 |
另见:
使用“ Transformer” API(例如,作为预处理sklearn.pipeline.Pipeline
的一部分)执行缩放到给定范围的缩放。
注释
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。