我试图了解在我的数据中应用Normalizer或MinMaxScaler或同时应用两者的效果。我阅读了SKlearn中的文档，并看到了一些使用示例。我知道MinMaxScaler很重要（对缩放要素很重要），但Normalizer呢？它使我不清楚在我的数据中使用Normamilizer的实际结果。MinMaxScaler是按列应用的，Normalizer是按行应用的。这意味着什么？我应该使用Normalizer还是只使用MinMaxScale还是两者都使用？
vq8itlhq1#
正如你所说，
MinMaxScaler按列应用，Normalizer按行应用。
不要将Normalizer与MinMaxScaler混淆。Sklearn 中的Normalizer类将样本单独归一化为单位范数。它不是基于列的归一化技术，而是基于行的归一化技术。换句话说，范围将由行或列确定。因此，请记住，我们缩放的是特征而不是记录，因为我们希望特征具有相同的缩放比例，所以待训练的模型不会根据不同特征的范围给予不同的权重，如果我们缩放记录，这将为每个记录赋予自己的缩放比例，而这不是我们需要的。因此，如果特征由行表示，则应使用Normalizer。但在大多数情况下，特征由列表示，因此应根据具体情况使用 Sklearn 中的一个定标器：
*MinMaxScaler通过将每个要素缩放到给定范围来转换要素。它单独缩放和转换每个要素，使其位于训练集的给定范围内，例如0和1之间。转换由下式给出：
X_std = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0)) X_scaled = X_std * (max - min) + min
其中，最小值、最大值=特征_范围。这种变换通常用作零均值、单位方差缩放的替代方法。
*StandardScaler通过移除均值并缩放到单位方差来标准化要素。样本x的标准得分计算如下：z = (x - u) / s。如果数据分布为正态分布，则使用此值。*RobustScaler对离群值具有稳健性。它删除中位数并根据IQR（四分位距）缩放数据。IQR是第25分位数和第75分位数之间的范围。
z = (x - u) / s
1条答案
按热度按时间vq8itlhq1#
正如你所说，
MinMaxScaler按列应用，Normalizer按行应用。
不要将Normalizer与MinMaxScaler混淆。Sklearn 中的Normalizer类将样本单独归一化为单位范数。它不是基于列的归一化技术，而是基于行的归一化技术。换句话说，范围将由行或列确定。
因此，请记住，我们缩放的是特征而不是记录，因为我们希望特征具有相同的缩放比例，所以待训练的模型不会根据不同特征的范围给予不同的权重，如果我们缩放记录，这将为每个记录赋予自己的缩放比例，而这不是我们需要的。
因此，如果特征由行表示，则应使用Normalizer。但在大多数情况下，特征由列表示，因此应根据具体情况使用 Sklearn 中的一个定标器：
*MinMaxScaler通过将每个要素缩放到给定范围来转换要素。它单独缩放和转换每个要素，使其位于训练集的给定范围内，例如0和1之间。转换由下式给出：
其中，最小值、最大值=特征_范围。
这种变换通常用作零均值、单位方差缩放的替代方法。
*StandardScaler通过移除均值并缩放到单位方差来标准化要素。样本x的标准得分计算如下：
z = (x - u) / s。如果数据分布为正态分布，则使用此值。*RobustScaler对离群值具有稳健性。它删除中位数并根据IQR（四分位距）缩放数据。IQR是第25分位数和第75分位数之间的范围。