Python机器学习手册：从数据预处理到深度学习

问题描述

将一个数值型特征的值缩放（rescale）到两个特定的值之间。

解决方案

用scikit-learn的MinMaxScaler来缩放一个特征数组：

讨论

在机器学习中，缩放是一个很常见的预处理任务。本书后面所讲的很多算法都假设所有的特征是在同一取值范围中的，最常见的范围是[0, 1]或[-1, 1]。用于缩放的方法有很多，其中最简单的一种被称为min-max缩放。min-max缩放利用特征的最小值和最大值，将所有特征都缩放到同一个范围中。其计算公式如下：

x是特征向量，x_i是x中的一个元素值，x_i'是缩放后的元素值。从本例输出的数组中可以看出，特征的元素值已经被成功地缩放到0和1之间了：

scikit-learn的MinMaxScaler支持两种方式来缩放特征。第一种方式是使用fit计算特征的最小值和最大值，然后使用transform来缩放。第二种方式是使用fit_transform一次性执行上面所说的两个操作。从数学上来说，这两种方式没有区别。但是，有时候将两个操作分开会带来一些好处，因为这样的话我们就能对不同的数据集执行同样的转换。

延伸阅读

● 特征缩放（Wikipedia,http://bit.ly/2Fuug2Z）

●《关于特征缩放和归一化》（Sebastian Raschka,http://bit.ly/2FwwRcM）