当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

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


用法:

cuml.experimental.preprocessing.minmax_scale(X, feature_range=(0, 1), *, axis=0, copy=True)

通过将每个特征缩放到给定范围来转换特征。

该估计器单独缩放和转换每个特征，使其在训练集的给定范围内，即在零和一之间。

转换由(当 axis=0 时)给出：

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

其中最小值，最大值 = feature_range。

转换计算为(当 axis=0 时)：

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

这种变换通常用作零均值、单位方差缩放的替代方法。

参数：

X：array-like of shape (n_samples, n_features)

数据。

feature_range：元组(最小值，最大值)，默认=(0, 1)

所需的转换数据范围。

axis：整数，默认=0

用于缩放的轴。如果为 0，则独立缩放每个特征，否则(如果为 1)缩放每个样本。

copy：布尔，默认=真

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。

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.minmax_scale。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。