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。
