有人可以在 Scikit-learn 中解释 MaxAbsScaler 吗？

Question

我正在阅读 MaxAbsScaler 的文档。

https://scikit-learn.org/stable/modules/preprocessing.html#scaling-features-to-a-range

我不明白它到底做了什么。

这是一个例子：

>>> X_train = np.array([[ 1., -1.,  2.],

...                     [ 2.,  0.,  0.],

...                     [ 0.,  1., -1.]])

...

>>> max_abs_scaler = preprocessing.MaxAbsScaler()

>>> X_train_maxabs = max_abs_scaler.fit_transform(X_train)

>>> X_train_maxabs                # doctest +NORMALIZE_WHITESPACE^

array([[ 0.5, -1. ,  1. ],

       [ 1. ,  0. ,  0. ],

       [ 0. ,  1. , -0.5]])

>>> X_test = np.array([[ -3., -1.,  4.]])

>>> X_test_maxabs = max_abs_scaler.transform(X_test)

>>> X_test_maxabs                 

array([[-1.5, -1. ,  2. ]])

>>> max_abs_scaler.scale_         

array([2.,  1.,  2.])

它表示它通过除以每个特征中的最大最大值来扩展训练数据位于 [-1, 1] 范围内的方式。

我认为当它在每个功能中说明时，它每列都有效。

一个更简单的解释会很棒。

Answer 1

该函数将每个特征按其最大绝对值进行缩放。 这里的特征是 X 输入矩阵的每一列。在这里你有：X_train = np.array([[ 1., -1.,  2.],                    [ 2.,  0.,  0.],                    [ 0.,  1., -1.]])你得到：array([[ 0.5, -1. ,  1. ],       [ 1. ,  0. ,  0. ],       [ 0. ,  1. , -0.5]])火车套装说明：中的第一个特征X_train是第一列，即[1,2,0]。最大绝对值为2。然后将此列的所有值除以2。所以新列变成[0.5,1,0]同样，您对其他 2 个功能/列执行相同的操作。对于特征 2，最大绝对值为1。所以新列保持不变。最后，对于最后一个特征，您的最大绝对值为2. 所以最后的特征就变成了[2/2 , 0/2 , -1/2] = [1, 0, -0.5]。测试集说明接下来，您定义X_test = np.array([[ -3., -1.,  4.]]). 在这里，您有一个具有 3 个特征的示例。重要提示：缩放器是使用训练集训练的，将使用训练集的最大绝对值。所以你得到：[ -3./2, -1./1,  4./2] = [-1.5, -1. ,  2. ]PS：2,1 and 2用于除法的值来自使用训练集的估计。