NumPy数组的最小-最大归一化

• Z时代
• 2024-01-10
• 分类：问答

我有以下numpy数组：

foo = np.array([[0.0, 10.0], [0.13216, 12.11837], [0.25379, 42.05027], [0.30874, 13.11784]])

产生：

[[  0.       10.     ]
 [  0.13216  12.11837]
 [  0.25379  42.05027]
 [  0.30874  13.11784]]

如何标准化此数组的Y分量。所以它给了我类似的东西：

[[  0.       0.   ]
 [  0.13216  0.06 ]
 [  0.25379  1    ]
 [  0.30874  0.097]]

回答：

参考此交叉验证链接，如何将数据标准化到0-1范围？，看来您可以在的最后一列执行最小-最大规格化foo。

v = foo[:, 1]   # foo[:, -1] for the last column
foo[:, 1] = (v - v.min()) / (v.max() - v.min())
foo
array([[ 0.        ,  0.        ],
       [ 0.13216   ,  0.06609523],
       [ 0.25379   ,  1.        ],
       [ 0.30874   ,  0.09727968]])

执行规范化的另一种方法（由OP建议）是使用sklearn.preprocessing.normalize，其产生的结果略有不同-

from sklearn.preprocessing import normalize
foo[:, [-1]] = normalize(foo[:, -1, None], norm='max', axis=0)
foo
array([[ 0.        ,  0.2378106 ],
       [ 0.13216   ,  0.28818769],
       [ 0.25379   ,  1.        ],
       [ 0.30874   ,  0.31195614]])

以上是 NumPy数组的最小-最大归一化 的全部内容， 来源链接： utcz.com/qa/406407.html