个人中心
文章发布
退出
作者热门文章
- html - 出于某种原因，IE8 对我的 Sass 文件中继承的 html5 CSS 不友好？
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景？
25
4
为了供给我的生成神经网络，我需要将一些数据标准化在 -1 和 1 之间。
我使用 Sklearn 的 MinMaxScaler 进行此操作，效果非常好。现在，我的生成器将输出 -1 到 1 之间的数据。
如何恢复MinMaxScaler以获取真实数据？
最佳答案
让我们从定义 pandas 数据框开始:
cols = ['A', 'B']
data = pd.DataFrame(np.array([[2,3],[1.02,1.2],[0.5,0.3]]),columns=cols)
我们使用 MinMaxScaler 缩放数据
scaler = preprocessing.MinMaxScaler(feature_range = (0,1))
scaled_data = scaler.fit_transform(data[cols])
现在，要反转变换，您应该调用逆变换:
scaler.inverse_transform(scaled_data)
关于machine-learning - 从 scikit_learn 反转 MinMaxScaler，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/41551165/
25
4
0
我正在使用从 Lynda.com 获取的 sklearn MinMaxScaler 代码来缩放预测代码的数据集。特征范围应该是 (0,1)，但我注意到我的试验数据中有些列大于 1。我相信这导致我的预测
我正在尝试规范化 df 并保存列和行索引/标题。 Sym1 Sym2 Sym3 Sym4 1 1 1 1 2 8 1 3 3 2 9
现在，我的数据在一个 2 x 2 numpy 数组中。如果我要在数组上使用 MinMaxScaler fit_transform，它将逐列对其进行归一化，而我希望将整个 np 数组一起归一化。有办法吗
现在我一直在解决扩展新数据的问题。在我的方案中，我已经训练并测试了模型，所有 x_train 和 x_test 都使用 sklearn.MinMaxScaler() 进行了缩放。然后，应用于实时过程，
我有一个包含 5 个特征的数据集。其中两个特征非常相似，但不具有相同的最小值和最大值。 ... | feature 2 | feature 3 | ... ----------------------
关闭。这个问题需要更多focused .它目前不接受答案。 想改善这个问题吗？更新问题，使其仅关注一个问题 editing this post . 去年关闭。 Improve this questio
我想使用MinMaxScaler缩放Pandas dataFrame中的某些(但不是全部)列。我该怎么做？ 最佳答案 由于sklearn> = 0.20，您可以使用Column Transformer
假设我有以下数据框 +---+-----+-------+ |day| time| result| +---+-----+-------+ | 1| 6 | 0
在 sklearn 的 MinMaxScaler 的早期版本中，人们可以指定缩放器对数据进行标准化的最小值和最大值。换句话说，以下情况是可能的: from sklearn import preproc
我想将每个 channel (R、G、B)的图像像素值标准化到范围 [0, 1]。 最小示例 #!/usr/bin/env python import numpy as np import scipy
我目前正在预处理我的数据，我知道我必须使用与我的训练集和测试集相同的缩放参数。然而，当我应用 sklearn 库中的 transform 方法时，我注意到一些奇怪的事情。 我首先在训练集上使用了 pr
我有三个数据框，每个数据框都使用 MinMaxScaler() 单独缩放。 def scale_dataframe(values_to_be_scaled) values = values_t
我像这样使用 sklearn MinMaxScaler()。 from sklearn.preprocessing import MinMaxScaler sc = MinMaxScaler() tr
我想将 PySpark 的 MinMaxScalar 应用于 PySpark 数据框 df 的多列。到目前为止，我只知道如何将其应用于单个列，例如x。 from pyspark.ml.feature
我有 1320 个训练样本(海面温度)，每个样本都是一个二维数组(160,320)，因此最终数组的形状为(1320,160,320)。我想使用 MinMaxScaler() 将它们标准化为 0 到 1
所以，我有这个疑问，并一直在寻找答案。所以问题是当我使用时， from sklearn import preprocessing min_max_scaler = preprocessing.MinM
我根据它的列缩放了一个矩阵，如下所示: scaler = MinMaxScaler(feature_range=(-1, 1)) data = np.array([[-1, 2], [-0.5, 6]
我正在尝试使用 sklearn.preprocessing.MinMaxScaler 来缩放使用 Keras 构建的 RNN 的 y 值 from sklearn.preprocessing impo
我正在尝试使用 sklearn 中的 preprocessing 将一些数字缩放到 0 - 1 的范围内。这就是我所做的: data = [44.645, 44.055, 44.54, 44.04,
我想在多个 pandas DataFrame 上“一起”应用 MinmaxScaler。这意味着我希望缩放器对这些列中的所有数据执行，而不是对每一列单独执行。 我的 DataFrame 有 20 列。
我是一名优秀的程序员,十分优秀！