Python cuml.experimental.preprocessing.MaxAbsScaler用法及代码示例

用法:
class cuml.experimental.preprocessing.MaxAbsScaler(*args, **kwargs)

按最大绝对值缩放每个特征。

该估计器单独缩放和转换每个特征，使得训练集中每个特征的最大绝对值为 1.0。它不会移动/居中数据，因此不会破坏任何稀疏性。

这个缩放器也可以应用于稀疏的 CSR 或 CSC 矩阵。

参数：

copy：布尔值，可选，默认为 True: 是否会触发强制复制。如果 copy=False，则可能会通过转换触发复制。

注意：

NaN 被视为缺失值：在拟合中被忽略，在变换中保持不变。

例子：

>>> from cuml.preprocessing import MaxAbsScaler
>>> X = [[ 1., -1.,  2.],
...      [ 2.,  0.,  0.],
...      [ 0.,  1., -1.]]
>>> transformer = MaxAbsScaler().fit(X)
>>> transformer
MaxAbsScaler()
>>> transformer.transform(X)
array([[ 0.5, -1. ,  1. ],
       [ 1. ,  0. ,  0. ],
       [ 0. ,  1. , -0.5]])

属性：

scale_：ndarray，形状(n_features，): 数据的每个特征相对缩放。
max_abs_：ndarray，形状(n_features，): 每个特征的最大绝对值。
n_samples_seen_：int: 估计器处理的样本数。将在新调用时重置以适应，但在 partial_fit 调用中递增。

相关用法

注：本文由纯净天空筛选整理自rapids.ai大神的英文原创作品 cuml.experimental.preprocessing.MaxAbsScaler。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。