Python MinMaxScaler的奇怪输出

在学习ML的过程中，我被sklearn提供的

MinMaxScaler

弄糊涂了。目标是将数字数据标准化为

[0,1]

的范围

示例代码：

from sklearn.preprocessing import MinMaxScaler

data = [[1, 2], [3, 4], [4, 5]]
scaler = MinMaxScaler(feature_range=(0, 1))
scaledData = scaler.fit_transform(data)

[[0.         0.        ]
 [0.66666667 0.66666667]
 [1.         1.        ]]

[[0.1, 0.2]
 [0.3, 0.4]
 [0.4, 0.5]]

X_std = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0))
X_scaled = X_std * (max - min) + min

给出输出：

from sklearn.preprocessing import MinMaxScaler

data = [[1, 2], [3, 4], [4, 5]]
scaler = MinMaxScaler(feature_range=(0, 1))
scaledData = scaler.fit_transform(data)

[[0.         0.        ]
 [0.66666667 0.66666667]
 [1.         1.        ]]

[[0.1, 0.2]
 [0.3, 0.4]
 [0.4, 0.5]]

X_std = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0))
X_scaled = X_std * (max - min) + min

第一个数组

[1,2]

被转换成

[0,0]

，在我看来这意味着：

• 数字之间的比率消失了
• 无值具有任何重要性（不再），因为它们都被设置为最小值（0）

我所期望的示例：

from sklearn.preprocessing import MinMaxScaler

data = [[1, 2], [3, 4], [4, 5]]
scaler = MinMaxScaler(feature_range=(0, 1))
scaledData = scaler.fit_transform(data)

[[0.         0.        ]
 [0.66666667 0.66666667]
 [1.         1.        ]]

[[0.1, 0.2]
 [0.3, 0.4]
 [0.4, 0.5]]

X_std = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0))
X_scaled = X_std * (max - min) + min

这将保存比率并将数字置于0到1的范围内

---

我对

MinMaxScaler

有什么错误或误解？因为考虑到时间序列上的训练，将价格或温度等重要数字转换为上面所述的零碎数据是没有意义的？

MinMaxScaler根据给定的范围，使用下面的公式根据时间序列查找并转换特征。所以你的问题是关于使用的公式

公式：

from sklearn.preprocessing import MinMaxScaler

data = [[1, 2], [3, 4], [4, 5]]
scaler = MinMaxScaler(feature_range=(0, 1))
scaledData = scaler.fit_transform(data)

[[0.         0.        ]
 [0.66666667 0.66666667]
 [1.         1.        ]]

[[0.1, 0.2]
 [0.3, 0.4]
 [0.4, 0.5]]

X_std = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0))
X_scaled = X_std * (max - min) + min

让我们尝试一下，看看当您在数据上使用它时会发生什么。 您需要使用numpy来完成此操作

from sklearn.preprocessing import MinMaxScaler
import numpy as np

scaler = MinMaxScaler()

data = [[1, 2], [3, 4], [4, 5]]

# min to max range is given from the feature range you specify
min = 0
max = 1

X_std = (data - np.min(data, axis=0)) / (np.max(data, axis=0) - np.min(data, axis=0))

X_scaled = X_std * (max - min) + min

这将如预期的那样返回：

array([[0.        , 0.        ],
       [0.66666667, 0.66666667],
       [1.        , 1.        ]])

至于您对使用MinMaxScaler的疑虑，如果您有与大多数值非常不同的异常值，但仍然是有效数据，则可以使用StandardScaler

StandardScaler的使用方式与MinMaxScaler相同，但它将缩放值，使其平均值等于0，标准偏差等于1。由于这些值将基于序列中的所有值找到，因此它对异常值更为稳健