$$ \newcommand{\R}{\mathbb{R}} \newcommand{\E}{\mathbb{E}} \newcommand{\x}{\mathbf{x}} \newcommand{\y}{\mathbf{y}} \newcommand{\wv}{\mathbf{w}} \newcommand{\av}{\mathbf{\alpha}} \newcommand{\bv}{\mathbf{b}} \newcommand{\N}{\mathbb{N}} \newcommand{\id}{\mathbf{I}} \newcommand{\ind}{\mathbf{1}} \newcommand{\0}{\mathbf{0}} \newcommand{\unit}{\mathbf{e}} \newcommand{\one}{\mathbf{1}} \newcommand{\zero}{\mathbf{0}} \newcommand\rfrac[2]{^{#1}\!/_{#2}} \newcommand{\norm}[1]{\left\lVert#1\right\rVert} $$

1. Application Development
2. Libraries
3. 机器学习
4. 最小最大值标准化

最小最大值标准化

• 描述
• 操作
  • 拟合
  • 转换
• 参数
• 例子

描述

最小最大值标准化通过对给定数据集进行缩放，使得所有值都落在指定的区间[min,max]内。如果用户没有指定区间的最大和最小值，则最小最大值标准化将会把输入特征缩放到[0,1]区间内。 给定输入数据集 $x_1, x_2,… x_n$ 的最小值为：

$$x_{min} = min({x_1, x_2,..., x_n})$$

最大值为：

$$x_{max} = max({x_1, x_2,..., x_n})$$

经过缩放的数据集 $z_1, z_2,…,z_n$ 为：

$$z_{i}= \frac{x_{i} - x_{min}}{x_{max} - x_{min}} \left ( max - min \right ) + min$$

其中 $\textit{min}$ 与 $\textit{max}$ 是用户指定的最小值和最大值。

操作

MinMaxScaler 是一个转换器（Transformer），因此它支持拟合（fit）与转换（transform）两种操作。

拟合

MinMaxScaler 可以在所有Vector或LabeledVector的子类型上进行训练：

• fit[T <: Vector]: DataSet[T] => Unit
• fit: DataSet[LabeledVector] => Unit

转换

MinMaxScaler 将 Vector 或 LabeledVector 的子类型数据集转换到对应的相同类型的数据集：

• transform[T <: Vector]: DataSet[T] => DataSet[T]
• transform: DataSet[LabeledVector] => DataSet[LabeledVector]

参数

最小最大值标准化可由下列参数进行控制：

参数	描述
Min	目标缩放区间的最小值 (默认值：0.0)
Max	目标缩放区间的最大值 (默认值：1.0)

例子