如何使用MinMaxScaler一次标准化所有训练样本

Question

我有1320个训练样本（海面温度），每个样本是2d阵列（160,320），因此最终阵列的形状为（1320,160,320）。我想使用MinMaxScaler（）将它们标准化为0到1之间的值。我得到了错误＆＃34;找到了昏暗的数据3.MinMaxScaler预期＆lt; = 2。＆＃34;。我的代码如下。我可以循环遍历所有1320个样本，逐个标准化，但我想知道是否有办法将所有样本归一化，因为每个样本的Max和Mix不一样。

scaler = prep.MinMaxScaler()
sst = scaler.fit_transform(sst)

Answer 1

据我所知，只有使用MinMaxScaler（）才能真正做到这一点。由于您希望在2D切片上应用最小 - 最大缩放器，因此np.apply_along_axis不会有用。一种解决方案可能是这样的：

import numpy as np
a = np.random.random((2, 3, 3))

def customMinMaxScaler(X):
    return (X - X.min()) / (X.max() - X.min())

np.array([customMinMaxScaler(x) for x in a])  

但我想它不会比迭代样本快得多。