我正在看
class sklearn.preprocessing.MinMaxScaler(feature_range=(0, 1), copy=True
其描述如下: 标准化由下式给出:
X_std = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0))
X_scaled = X_std * (max - min) + min
如上所示,假设原数组的最小值为X.min(axis=0)。有没有办法可以指定一个不同的最小 w.r.t 来缩放数据?
例如:我希望原始范围为[0-255],最终范围为[0-1]。现在如果原始数组不包含值 0,则最小值将被视为最小值,我不想考虑。
如果你有一个数组
X_train
`[1,2,3,4,5,6]你也可以向它“添加”一个新的最小值:
X_train_help = numpy.append(X_train, 0)
然后在帮助数组上运行
fit
方法:
from sklearn.preprocessing import MinMaxScaler
scaler.fit(X_train_help)
并在旧数据上进行转换:
scaler.transform(X_train)