如何在所有列上使用MinMaxScaler？

Question

现在，我将数据存储在2 x 2 numpy数组中。如果我要在数组上使用MinMaxScaler fit_transform，它将逐列对其进行归一化，而我希望对整个np数组进行归一化。反正有这样做吗？

Answer 1

根据文档，您似乎无法更改MinMaxScaler的轴。一种替代方法是根据文档中的MinMaxScaler的定义来定义缩放函数：

X_std = (X - X.min()) / (X.max() - X.min())
X_scaled = X_std * (max - min) + min

因此您可以这样做：

import numpy  as np

X = np.array([[-1, 2], [-0.5, 6]])


def min_max_scale(X, range=(0, 1)):
    mi, ma = range
    X_std = (X - X.min()) / (X.max() - X.min())
    X_scaled = X_std * (ma - mi) + mi
    return X_scaled

print(min_max_scale(X))

输出

[[0.         0.42857143]
 [0.07142857 1.        ]]

基本上，您需要删除axis参数，以考虑整个数组中的最大值和最小值。

Answer 2

为什么不通过以下方式使用原始的MinMaxScaler API：

1. 将X numpy数组重塑为一列数组，
2. 规模

3. 整形结果恢复为X数组的形状

   import numpy as np
   
   X = np.array([[-1, 2], [-0.5, 6]])
   scaler = MinMaxScaler()
   X_one_column = X.reshape([-1,1])
   result_one_column = scaler.fit_transform(X_one_column)
   result = result_one_column.reshape(X.shape)
   print(result)
   

输出

[[ 0.          0.42857143]
 [ 0.07142857  1.        ]]