python - sklearn-为什么这不能正确缩放？

Question

Closed. This question is off-topic。它当前不接受答案。
                            
                        
                    
                
                            
                                
                
                        
                            
                        
                    
                        
                            想改善这个问题吗？ Update the question，所以它是 on-topic，用于堆栈溢出。
                        
                        6个月前关闭。
                                                                                            
                
        
我当前正在使用 MinMaxScaler()，但是 StandardScaler()对我来说也是一样。我究竟做错了什么？我的功能列表也发生了同样的情况。他们中的一些人甚至还没有接近吗？

test_labels

array([[1100.  ,    0.05,    0.69],
       [1095.  ,    0.15,    1.2 ],
       [1097.  ,    0.13,    1.14],
       [1094.  ,    0.12,    1.15]])

MinMax_scaler = MinMaxScaler(feature_range=(-1, 1))
test_labels_MinMax = MinMax_scaler.fit_transform(test_labels)

test_labels_MinMax

array([[ 1.        , -1.        , -1.        ],
       [-0.66666667,  1.        ,  1.        ],
       [ 0.        ,  0.6       ,  0.76470588],
       [-1.        ,  0.4       ,  0.80392157]])

MinMax_scaler.inverse_transform(test_labels_MinMax)

array([[1101.        ,    0.05      ,    0.4       ],
       [1100.16666667,    1.05      ,    1.4       ],
       [1100.5       ,    0.85      ,    1.28235294],
       [1100.        ,    0.75      ,    1.30196078]])

最佳答案

如果我在空笔记本上运行相同的脚本：

import numpy as np
test_labels = np.array([[1100.  ,    0.05,    0.69],
       [1095.  ,    0.15,    1.2 ],
       [1097.  ,    0.13,    1.14],
       [1094.  ,    0.12,    1.15]])
from sklearn.preprocessing import MinMaxScaler
MinMax_scaler = MinMaxScaler(feature_range=(-1, 1))
test_labels_MinMax = MinMax_scaler.fit_transform(test_labels)
MinMax_scaler.inverse_transform(test_labels_MinMax)

它给了我确切的匹配结果：

array([[1.100e+03, 5.000e-02, 6.900e-01],
       [1.095e+03, 1.500e-01, 1.200e+00],
       [1.097e+03, 1.300e-01, 1.140e+00],
       [1.094e+03, 1.200e-01, 1.150e+00]])

可能是您在两者之间使用MinMax_scaler，然后以错误的拟合方式应用了它？

关于python - sklearn-为什么这不能正确缩放？ ，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/57583109/

上一篇：python - 错误: 'ColumnTransformer' object has no attribute '_n_features'

下一篇：python - 从字典构建搜索查询？

相关文章：

python - 对于每 x 个文件；创建新目录并 move 文件——使用 Python

python - 将图像转换为适当的尺寸 PyTorch

python - 转换 pandas 数据框以用于 MultiLabelBinarizer

python - 从第 k 个最后元素到第 k 个第一个元素的 numpy 索引

python - 10倍交叉验证并获得RMSE

python - 使用分类数据作为 sklearn 逻辑回归中的特征

python - 如果另一列包含字符串，则替换 pandas 中的一列

python - 如何找到在 Graphlab SFrame 中保存时引发错误的特定行？

python - 在 Matplotlib 中为 Boxplot 提供自定义四分位数范围

python - 计算批处理的均值和标准差 [Python/Numpy]

Answer 1

如果我在空笔记本上运行相同的脚本：

import numpy as np
test_labels = np.array([[1100.  ,    0.05,    0.69],
       [1095.  ,    0.15,    1.2 ],
       [1097.  ,    0.13,    1.14],
       [1094.  ,    0.12,    1.15]])
from sklearn.preprocessing import MinMaxScaler
MinMax_scaler = MinMaxScaler(feature_range=(-1, 1))
test_labels_MinMax = MinMax_scaler.fit_transform(test_labels)
MinMax_scaler.inverse_transform(test_labels_MinMax)

它给了我确切的匹配结果：

array([[1.100e+03, 5.000e-02, 6.900e-01],
       [1.095e+03, 1.500e-01, 1.200e+00],
       [1.097e+03, 1.300e-01, 1.140e+00],
       [1.094e+03, 1.200e-01, 1.150e+00]])

可能是您在两者之间使用MinMax_scaler，然后以错误的拟合方式应用了它？