MaxAbsScaler#
- class sklearn.preprocessing.MaxAbsScaler(*, copy=True)[來源]#
將每個特徵縮放到其最大絕對值。
此估計器會個別縮放和平移每個特徵，使得訓練集中每個特徵的最大絕對值將為 1.0。它不會移動/居中數據，因此不會破壞任何稀疏性。
此縮放器也可以應用於稀疏 CSR 或 CSC 矩陣。
MaxAbsScaler並不會減少離群值的影響；它只會將它們線性縮放。 舉例來說，請參閱比較 MaxAbsScaler 與其他縮放器。在 0.17 版本中新增。
- 參數:
- copybool，預設值為 True
設定為 False 以執行原地縮放並避免複製（如果輸入已經是 numpy 陣列）。
- 屬性:
- scale_形狀為 (n_features,) 的 ndarray
每個特徵的資料相對縮放比例。
在 0.17 版本中新增：scale_ 屬性。
- max_abs_形狀為 (n_features,) 的 ndarray
每個特徵的最大絕對值。
- n_features_in_int
在 fit 期間看到的特徵數量。
在 0.24 版本中新增。
- feature_names_in_形狀為 (
n_features_in_,) 的 ndarray 在 fit 期間看到的特徵名稱。只有當
X的特徵名稱都是字串時才會定義。在 1.0 版本中新增。
- n_samples_seen_int
估計器處理的樣本數量。會在新的 fit 呼叫時重置，但在
partial_fit呼叫時遞增。
另請參閱
最大絕對值縮放不使用估計器 API 的等效函式。
注意事項
NaN 被視為遺失值：在 fit 中忽略，並在 transform 中保持。
範例
>>> from sklearn.preprocessing import MaxAbsScaler >>> X = [[ 1., -1., 2.], ... [ 2., 0., 0.], ... [ 0., 1., -1.]] >>> transformer = MaxAbsScaler().fit(X) >>> transformer MaxAbsScaler() >>> transformer.transform(X) array([[ 0.5, -1. , 1. ], [ 1. , 0. , 0. ], [ 0. , 1. , -0.5]])
- fit(X, y=None)[原始碼]#
計算用於後續縮放的最大絕對值。
- 參數:
- X形狀為 (n_samples, n_features) 的 {類陣列，稀疏矩陣}
用於計算每個特徵的最小值和最大值的資料，以便後續沿特徵軸進行縮放。
- yNone
忽略。
- 返回:
- self物件
已擬合的縮放器。
- fit_transform(X, y=None, **fit_params)[原始碼]#
擬合資料，然後轉換資料。
使用可選參數
fit_params將轉換器擬合到X和y，並返回X的轉換版本。- 參數:
- X形狀為 (n_samples, n_features) 的類陣列
輸入樣本。
- y形狀為 (n_samples,) 或 (n_samples, n_outputs) 的類陣列，預設值為 None
目標值（對於無監督轉換為 None）。
- **fit_paramsdict
其他擬合參數。
- 返回:
- X_new形狀為 (n_samples, n_features_new) 的 ndarray 陣列
轉換後的陣列。
- get_feature_names_out(input_features=None)[原始碼]#
取得轉換的輸出特徵名稱。
- 參數:
- input_features字串的類陣列或 None，預設值為 None
輸入特徵。
如果
input_features為None，則使用feature_names_in_作為輸入特徵名稱。如果未定義feature_names_in_，則會產生以下輸入特徵名稱：["x0", "x1", ..., "x(n_features_in_ - 1)"]。如果
input_features為類陣列，則如果已定義feature_names_in_，則input_features必須與feature_names_in_相符。
- 返回:
- feature_names_out字串物件的 ndarray
與輸入特徵相同。
- get_metadata_routing()[原始碼]#
取得此物件的中繼資料路由。
請查看使用指南，瞭解路由機制的運作方式。
- 返回:
- routingMetadataRequest
一個封裝路由資訊的
MetadataRequest。
- get_params(deep=True)[原始碼]#
取得此估計器的參數。
- 參數:
- deepbool，預設值為 True
如果為 True，將會傳回此估計器以及包含的子物件（屬於估計器）的參數。
- 返回:
- paramsdict
參數名稱對應到其值的字典。
- inverse_transform(X)[原始碼]#
將數據縮放回原始表示法。
- 參數:
- X形狀為 (n_samples, n_features) 的 {類陣列，稀疏矩陣}
應該轉換回來的數據。
- 返回:
- X_tr{ndarray, 稀疏矩陣}，形狀為 (n_samples, n_features)
轉換後的陣列。
- partial_fit(X, y=None)[原始碼]#
在線上計算 X 的最大絕對值，以供稍後縮放。
所有的 X 都會被當作單一批次處理。這適用於當由於
n_samples的數量非常龐大，或由於 X 是從連續流讀取時，fit不可行的情况。- 參數:
- X形狀為 (n_samples, n_features) 的 {類陣列，稀疏矩陣}
用於計算平均值和標準差的數據，以供稍後沿特徵軸縮放。
- yNone
忽略。
- 返回:
- self物件
已擬合的縮放器。
- set_output(*, transform=None)[原始碼]#
設定輸出容器。
有關如何使用 API 的範例，請參閱介紹 set_output API。
- 參數:
- transform{“default”, “pandas”, “polars”}, 預設為 None
設定
transform和fit_transform的輸出。"default"：轉換器的預設輸出格式"pandas"：DataFrame 輸出"polars"：Polars 輸出None：轉換設定不變
1.4 版本新增：新增了
"polars"選項。
- 返回:
- self估算器實例
估算器實例。
