Scikit-learn 数据预处理之归一化MinMaxScaler

1 声明

本文的数据来自网络，部分代码也有所参照，这里做了注释和延伸，旨在技术交流，如有冒犯之处请联系博主及时处理。

2 MinMaxScaler简介

MinMaxScaler当数据(x)按照最小值中心化后，再按极差（最大值 - 最小值）缩放，数据移动了最小值个单位，并且会被收敛到[0,1]之间，该过程叫数据归一化(Normalization，又称Min-Max Scaling)

应用场景:在不涉及距离度量、协方差、数据不符合正态分布、异常值较少时。

 

3 MinMaxScaler

计算公式(A为某个属性或者特征)：

Scikit-learn 数据预处理之归一化MinMaxScaler_最小值

import pandas as pd
from sklearn.preprocessing import MinMaxScaler
data = pd.DataFrame(
    {
        'a':[1,2,3],
        'b':[5,6,6],
        'c':[9,100,2]
    }
)
print(data.values)
#归一化(MinMaxScaler)
min_max_scaler = MinMaxScaler(feature_range=[0,1])
min_max_scaler_data=min_max_scaler.fit_transform(data)
print(min_max_scaler_data)

Scikit-learn 数据预处理之归一化MinMaxScaler_归一化_02

注: 1 默认缩放到0到1之间。可通过feature_range指定区间。

      2 这里的数据矩阵形式如下：

Scikit-learn 数据预处理之归一化MinMaxScaler_最小值_03