原位列缩放#

sklearn.utils.sparsefuncs.inplace_column_scale(X, scale)[source]#

对 CSC/CSR 矩阵进行原位列缩放。

假设数据矩阵形状为 (n_samples, n_features)，通过与调用者提供的特定缩放因子相乘来缩放数据矩阵的每个特征。

参数:

X形状为 (n_samples, n_features) 的稀疏矩阵: 使用特征方差进行归一化的矩阵。它应该为 CSC 或 CSR 格式。
scale形状为 (n_features,)，数据类型为 {np.float32, np.float64} 的 ndarray: 用于缩放的预先计算的特征值数组。

示例

>>> from sklearn.utils import sparsefuncs
>>> from scipy import sparse
>>> import numpy as np
>>> indptr = np.array([0, 3, 4, 4, 4])
>>> indices = np.array([0, 1, 2, 2])
>>> data = np.array([8, 1, 2, 5])
>>> scale = np.array([2, 3, 2])
>>> csr = sparse.csr_matrix((data, indices, indptr))
>>> csr.todense()
matrix([[8, 1, 2],
        [0, 0, 5],
        [0, 0, 0],
        [0, 0, 0]])
>>> sparsefuncs.inplace_column_scale(csr, scale)
>>> csr.todense()
matrix([[16,  3,  4],
        [ 0,  0, 10],
        [ 0,  0,  0],
        [ 0,  0,  0]])