Sklearn的MinMaxScaler,最简单的归一化
发布日期:2021-05-06 22:01:51 浏览次数:21 分类:技术文章

本文共 528 字,大约阅读时间需要 1 分钟。

import numpy as npfrom sklearn.preprocessing import MinMaxScalera=np.array([1,2,3,4,5], dtype='float64')print('a-1D:', a, a.shape)a=a.reshape(-1,1)print('a-2D:', a, a.shape)scaler_2 = MinMaxScaler(feature_range=(0, 1))  #自动将dtype转换成float64scaled = scaler_2.fit_transform(a)print('a-transformed:', scaled)inv_a = scaler_2.inverse_transform(scaled)print('a-inversed:',inv_a)
a-1D: [1. 2. 3. 4. 5.] (5,)a-2D: [[1.] [2.] [3.] [4.] [5.]] (5, 1)a-transformed: [[0.  ] [0.25] [0.5 ] [0.75] [1.  ]]a-inversed: [[1.] [2.] [3.] [4.] [5.]]
上一篇:Keras Embedding 实例
下一篇:C++ 任意数据类型转为16进制输出

发表评论

最新留言

表示我来过!
[***.240.166.169]2025年03月16日 23时41分08秒