我正在閱讀 MaxAbsScaler 的文檔。https://scikit-learn.org/stable/modules/preprocessing.html#scaling-features-to-a-range我不明白它到底做了什么。這是一個例子：>>> X_train = np.array([[ 1., -1., 2.],... [ 2., 0., 0.],... [ 0., 1., -1.]])...>>> max_abs_scaler = preprocessing.MaxAbsScaler()>>> X_train_maxabs = max_abs_scaler.fit_transform(X_train)>>> X_train_maxabs # doctest +NORMALIZE_WHITESPACE^array([[ 0.5, -1. , 1. ], [ 1. , 0. , 0. ], [ 0. , 1. , -0.5]])>>> X_test = np.array([[ -3., -1., 4.]])>>> X_test_maxabs = max_abs_scaler.transform(X_test)>>> X_test_maxabs array([[-1.5, -1. , 2. ]])>>> max_abs_scaler.scale_ array([2., 1., 2.])它表示它通過除以每個特征中的最大最大值來擴展訓練數(shù)據(jù)位于 [-1, 1] 范圍內(nèi)的方式。我認為當它在每個功能中說明時，它每列都有效。一個更簡單的解釋會很棒。
1 回答
泛舟湖上清波郎朗
TA貢獻1818條經(jīng)驗 獲得超3個贊
該函數(shù)將每個特征按其最大絕對值進行縮放。 這里的特征是 X 輸入矩陣的每一列。
在這里你有：
X_train = np.array([[ 1., -1., 2.],
[ 2., 0., 0.],
[ 0., 1., -1.]])
你得到：
array([[ 0.5, -1. , 1. ],
[ 1. , 0. , 0. ],
[ 0. , 1. , -0.5]])
火車套裝說明：
中的第一個特征X_train是第一列，即[1,2,0]。最大絕對值為2。然后將此列的所有值除以2。所以新列變成[0.5,1,0]
同樣，您對其他 2 個功能/列執(zhí)行相同的操作。對于特征 2，最大絕對值為1。所以新列保持不變。
最后，對于最后一個特征，您的最大絕對值為2. 所以最后的特征就變成了[2/2 , 0/2 , -1/2] = [1, 0, -0.5]。
測試集說明
接下來，您定義X_test = np.array([[ -3., -1., 4.]]). 在這里，您有一個具有 3 個特征的示例。
重要提示：縮放器是使用訓練集訓練的，將使用訓練集的最大絕對值。
所以你得到：[ -3./2, -1./1, 4./2] = [-1.5, -1. , 2. ]
PS：2,1 and 2用于除法的值來自使用訓練集的估計。
添加回答
舉報
0/150
提交
取消