最大绝对值缩放器#
- class sklearn.preprocessing.MaxAbsScaler(*, copy=True)[source]#
按每个特征的最大绝对值缩放。
此估计器单独缩放和平移每个特征，以便训练集中每个特征的最大绝对值为 1.0。它不会移动/居中数据，因此不会破坏任何稀疏性。
此缩放器也可以应用于稀疏 CSR 或 CSC 矩阵。
MaxAbsScaler不会减少异常值的影响；它只会线性地缩小异常值。有关示例可视化，请参阅比较MaxAbsScaler与其他缩放器。0.17版本新增。
- 参数：
- copy布尔值，默认为True
设置为False以执行就地缩放并避免复制（如果输入已经是numpy数组）。
- 属性：
另请参阅
最大绝对值缩放等效函数，无估计器API。
备注
NaN被视为缺失值：在拟合中忽略，并在转换中保留。
示例
>>> 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)[源代码]#
计算用于后续缩放的最大绝对值。
- 参数：
- X形状为(n_samples, n_features)的{类数组，稀疏矩阵}
用于计算用于沿特征轴后续缩放的每个特征的最小值和最大值的数据。
- yNone
忽略。
- 返回：
- self对象
拟合的缩放器。
- fit_transform(X, y=None, **fit_params)[源代码]#
拟合数据，然后转换它。
使用可选参数
fit_params将转换器拟合到X和y，并返回X的转换版本。- 参数：
- X形状为(n_samples, n_features)的类数组
输入样本。
- y形状为(n_samples,)或(n_samples, n_outputs)的类数组，默认为None
目标值（无监督转换则为None）。
- **fit_params字典
附加拟合参数。
- 返回：
- X_new形状为(n_samples, n_features_new)的ndarray数组
转换后的数组。
- get_feature_names_out(input_features=None)[源代码]#
获取转换的输出特征名称。
- 参数：
- input_features字符串的类数组或None，默认为None
输入特征。
如果
input_features为None，则使用feature_names_in_作为输入特征名称。如果feature_names_in_未定义，则生成以下输入特征名称：["x0", "x1", ..., "x(n_features_in_ - 1)"]。如果
input_features是类数组，则如果feature_names_in_已定义，则input_features必须与feature_names_in_匹配。
- 返回：
- feature_names_out字符串对象的ndarray
与输入特征相同。
- get_metadata_routing()[源代码]#
获取此对象的元数据路由。
请查看用户指南，了解路由机制的工作原理。
- 返回：
- routingMetadataRequest
一个
MetadataRequest封装路由信息。
- get_params(deep=True)[源代码]#
获取此估计器的参数。
- 参数：
- deep布尔值，默认为True
如果为True，则将返回此估计器和包含的子对象（也是估计器）的参数。
- 返回：
- params字典
参数名与其值的映射。
- inverse_transform(X)[source]#
将数据缩放回原始表示。
- 参数：
- X形状为(n_samples, n_features)的{类数组，稀疏矩阵}
应该转换回的数据。
- 返回：
- X_tr形状为 (n_samples, n_features) 的 {ndarray, sparse matrix}
转换后的数组。
- partial_fit(X, y=None)[source]#
在线计算 X 的最大绝对值，用于后续缩放。
所有 X 都作为单个批次处理。这适用于由于
n_samples数量非常大或 X 从连续流中读取而无法使用fit的情况。- 参数：
- X形状为(n_samples, n_features)的{类数组，稀疏矩阵}
用于计算沿特征轴用于后续缩放的均值和标准差的数据。
- yNone
忽略。
- 返回：
- self对象
拟合的缩放器。
- set_output(*, transform=None)[source]#
设置输出容器。
有关如何使用 API 的示例，请参阅 Introducing the set_output API。
- 参数：
- transform{“default”, “pandas”, “polars”}, default=None
配置
transform和fit_transform的输出。"default": 变换器的默认输出格式"pandas": DataFrame 输出"polars": Polars 输出None: 变换配置保持不变
版本 1.4 中新增： 添加了
"polars"选项。
- 返回：
- self估计器实例
估计器实例。
