python - 如何在所有列上使用 MinMaxScaler?

标签 python numpy scikit-learn

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?

最佳答案

为什么不按以下方式使用原始的 MinMaxScaler API:

  1. 将 X numpy 数组 reshape 为单列数组,
  2. 规模,
  3. 将结果重新整形为 X 数组的形状

    import numpy as np
    
    X = np.array([[-1, 2], [-0.5, 6]])
    scaler = MinMaxScaler()
    X_one_column = X.reshape([-1,1])
    result_one_column = scaler.fit_transform(X_one_column)
    result = result_one_column.reshape(X.shape)
    print(result)
    

输出

[[ 0.          0.42857143]
 [ 0.07142857  1.        ]]

关于python - 如何在所有列上使用 MinMaxScaler?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52226200/

相关文章:

numpy - 处理具有数字属性的标称值的策略

python - 在 python 中按名称从 pickle 文件中恢复对象

c++ - 如何在 perforce 和 VMS 上对 C++ 进行代码审查/调试/编码/测试/版本控制

python - 如何在 Python scikit-learn 中输出随机森林中每棵树的回归预测?

python - 空切片的平均值和自由度 <=0

python - 将补丁添加到在 matplotlib 中打开的 numpy 数组

python - 在 scikit-learn 中实现 K 邻居分类器,每个对象具有 3 个特征

python - DBus 对象错误

python - 编程错误: can't adapt type 'seniat.url' - Odoo v8 to Odoo v10 community

python - 使用 python 查找本地最大值/最小值