如何在sklearn.preprocessing.MinMaxScaler中设置原始数组的最小值和最大值

Question

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。

Answer 1

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)