python归一化函数MinMaxScaler的理解

概述"""python归一化函数MinMaxScaler的理解classsklearn.preprocessing.MinMaxScaler(feature_range=0,1,*,copy=True)"""fromsklearn.preprocessingimportMinMaxScalerimportnumpyasnpx=np.array([[1.,-1.,2.],[2.,0

"""python归一化函数MinMaxScaler的理解class sklearn.preprocessing.MinMaxScaler(feature_range=0, 1, *, copy=True)"""from sklearn.preprocessing import MinMaxScalerimport numpy as npx = np.array([[1., -1., 2.],              [2., 0., 0.],              [0., 1., -1.]])scaler = MinMaxScaler()"""MinMaxScaler实现逻辑：x_std = (x-x.min(axis = 0))/(x.max(axis = 0)-x.min(axis=0))x_scaled = x_std*(max-min)+min这里的max是MinMaxScaler()函数的参数feature_range区间的最大值，feature_range默认最小值为0，最大值为1，也就是x_scaled = x_std*(max-min)+min中的max为1，min为0.axis = 0 为列，也就是x.min(axis = 0)为每列的最小值"""result = scaler.fit_transform(x)"""以第二行第三列为例x = 0x.min(axis=0)= -1x.max(axis=0)= 2所以x_std = (x-x.min(axis = 0))/(x.max(axis = 0)-x.min(axis=0))      = (0-(-1))/(2-(-1))=1/3x_scaled = x_std*(max-min)+min         = (1/3)*(1-0)+0=1/3      """print(result)

结果：

[[0.5        0.         1.        ]
 [1.         0.5        0.33333333]
 [0.         1.         0.        ]]

总结

以上是内存溢出为你收集整理的python归一化函数MinMaxScaler的理解全部内容，希望文章能够帮你解决python归一化函数MinMaxScaler的理解所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。