最小最大值标准化

最小最大值标准化

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：

例子

// 创建最大最小值标准化转换器
val minMaxscaler = MinMaxScaler()
  .setMin(-1.0)
// 获取需要标准化的数据集
val dataSet: DataSet[Vector] = ...
// 对训练集的最大最小值进行训练学习
minMaxscaler.fit(dataSet)
// 对提供的数据集进行缩放，最大值为 1.0 最小值为 -1.0
val scaledDS = minMaxscaler.transform(dataSet)