7
我将使用NumPy的scikit-learn Min-Max缩放器与preprocessing
模块进行了比较。但是,我注意到结果稍有不同。有没有人对此有过解释?scikit-learn MinMaxScaler产生的结果与NumPy实现的结果略有不同
使用的最小 - 最大缩放公式如下:
这应该是一样的scikit学习一个:(X - X.min(axis=0))/(X.max(axis=0) - X.min(axis=0))
我使用这两种方法如下:
def numpy_minmax(X):
xmin = X.min()
return (X - xmin)/(X.max() - xmin)
def sci_minmax(X):
minmax_scale = preprocessing.MinMaxScaler(feature_range=(0, 1), copy=True)
return minmax_scale.fit_transform(X)
随机抽样:
import numpy as np
np.random.seed(123)
# A random 2D-array ranging from 0-100
X = np.random.rand(100,2)
X.dtype = np.float64
X *= 100
结果稍有不同:
from matplotlib import pyplot as plt
sci_mm = sci_minmax(X)
numpy_mm = numpy_minmax(X)
plt.scatter(numpy_mm[:,0], numpy_mm[:,1],
color='g',
label='NumPy bottom-up',
alpha=0.5,
marker='o'
)
plt.scatter(sci_mm[:,0], sci_mm[:,1],
color='b',
label='scikit-learn',
alpha=0.5,
marker='x'
)
plt.legend()
plt.grid()
plt.show()
这是伟大的,谢谢! – Sebastian