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？
26
4
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 question
为什么我们使用 MinMaxScaler() 以及它有什么作用？
scaler = MinMaxScaler()
scaler.fit(X_train)
X_train = scaler.transform(X_train)
X_test = scaler.transform(X_test)
model = LogisticRegression()
model.fit(X_train, y_train)
y_pred = model.predict(X_test)
最佳答案
方法核心
标准化输入特征/变量的一种方法是 Min-Max 缩放器。通过这样做，所有特征都将被转换为范围 [0,1]这意味着特征/变量的最小值和最大值将分别为 0 和 1。
为什么要在模型拟合之前归一化？
规范化/标准化背后的主要思想始终相同。在不同尺度上测量的变量对模型拟合和模型学习函数的贡献不同，最终可能会产生偏差。因此，为了处理这个潜在的问题，通常在模型拟合之前使用特征归一化，例如 MinMax Scaling。
更多信息:https://towardsdatascience.com/everything-you-need-to-know-about-min-max-normalization-in-python-b79592732b79
关于python - 有人可以向我解释 MinMaxScaler() 是如何工作的吗？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/62178888/
26
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！