Python sklearn MaxAbsScaler用法及代码示例

本文简要介绍python语言中 sklearn.preprocessing.MaxAbsScaler 的用法。

用法:

class sklearn.preprocessing.MaxAbsScaler(*, copy=True)

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，默认=真

设置为 False 以执行就地缩放并避免复制(如果输入已经是一个 numpy 数组)。

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_features_in_：int

拟合期间看到的特征数。

feature_names_in_：ndarray 形状(n_features_in_，)

拟合期间看到的特征名称。仅当 X 具有全为字符串的函数名称时才定义。

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。

注意：

NaNs 被视为缺失值：在拟合中忽略，并在变换中保持。

有关不同缩放器、转换器和规范器的比较，请参阅示例/预处理/plot_all_scaling.py。

例子：

>>> from sklearn.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]])