有人可以向我解释 MinMaxScaler() 是如何工作的吗？

Question

为什么我们使用 MinMaxScaler() 以及它的作用是什么？

 scaler = MinMaxScaler()
scaler.fit(X_train)
X_train = scaler.transform(X_train)
X_test = scaler.transform(X_test)
model = LogisticRegression()
model.fit(X_train, y_train)
y_pred = model.predict(X_test)

原文由 Akarsh Sharma 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

方法核心

一种标准化输入特征/变量的方法是最小-最大缩放器。通过这样做，所有特征都将转换为范围 [0,1] 意味着特征/变量的最小值和最大值将分别为 0 和 1。

为什么要在模型拟合之前进行归一化？

规范化/标准化背后的主要思想总是相同的。在不同尺度下测量的变量对模型拟合和模型学习函数的贡献并不相同，最终可能会产生偏差。因此，为了处理这个潜在的问题，通常在模型拟合之前使用 Feature-wise 归一化，例如 MinMax Scaling。

更多信息： https ://towardsdatascience.com/everything-you-need-to-know-about-min-max-normalization-in-python-b79592732b79

原文由 seralouk 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

本质上，代码正在缩放自变量，使它们位于 0 和 1 的范围内。这很重要，因为很少有变量值可能以千为单位，也很少有可能在小范围内。因此，处理这种情况缩放很重要。逻辑回归对如此高的值很敏感。更多关于 min max 的信息在这里： https ://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.MinMaxScaler.html

原文由 praneeth 发布，翻译遵循 CC BY-SA 4.0 许可协议