7
我將使用NumPy的scikit-learn Min-Max縮放器與preprocessing
模塊進行了比較。但是,我注意到結果稍有不同。有沒有人對此有過解釋?scikit-learn MinMaxScaler產生的結果與NumPy實現的結果略有不同
使用的最小 - 最大縮放公式如下:
這應該是一樣的scikit學習一個:(X - X.min(axis=0))/(X.max(axis=0) - X.min(axis=0))
我使用這兩種方法如下:
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)
隨機抽樣:
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
結果稍有不同:
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()
這是偉大的,謝謝! – Sebastian