有人可以在 Scikit-learn 中解释 MaxAbsScaler 吗？

Question

我正在阅读 MaxAbsScaler 的文档。

https://scikit-learn.org/stable/modules/preprocessing.html#scaling-features-to-a-range

我不明白它到底是做什么的。

这是一个例子：

>>> X_train = np.array([[ 1., -1.,  2.],
...                     [ 2.,  0.,  0.],
...                     [ 0.,  1., -1.]])
...
>>> max_abs_scaler = preprocessing.MaxAbsScaler()
>>> X_train_maxabs = max_abs_scaler.fit_transform(X_train)
>>> X_train_maxabs                # doctest +NORMALIZE_WHITESPACE^
array([[ 0.5, -1. ,  1. ],
       [ 1. ,  0. ,  0. ],
       [ 0. ,  1. , -0.5]])
>>> X_test = np.array([[ -3., -1.,  4.]])
>>> X_test_maxabs = max_abs_scaler.transform(X_test)
>>> X_test_maxabs                 
array([[-1.5, -1. ,  2. ]])
>>> max_abs_scaler.scale_         
array([2.,  1.,  2.])

它表示它通过除以每个特征中的最大最大值来扩展训练数据位于 [-1, 1] 范围内的方式。

我认为当它在每个功能中说明时，它每列都有效。

一个更简单的解释会很棒。

Answer 1

函数按最大绝对值缩放每个特征。 这里的特征是 X 输入矩阵的每一列。

---

这里有：

X_train = np.array([[ 1., -1.,  2.],
                    [ 2.,  0.,  0.],
                    [ 0.,  1., -1.]])

你会得到：

array([[ 0.5, -1. ,  1. ],
       [ 1. ,  0. ,  0. ],
       [ 0. ,  1. , -0.5]])

---

训练集解说：

X_train 中的第一个特征是第一列，即[1,2,0]。最大绝对值为2。然后将此列的所有值除以2。所以新列变成[0.5,1,0]

同样，您对其他 2 个功能/列执行相同的操作。 对于特征 2，最大绝对值为1。所以新列保持不变。

最后，对于最后一个特征，您的最大绝对值为2。所以最终的特征变成了[2/2 , 0/2 , -1/2] = [1, 0, -0.5]。

---

测试集说明

接下来，您定义X_test = np.array([[ -3., -1., 4.]])。在这里，您有一个具有 3 个特征的示例。

重要提示：缩放器是使用训练集训练的，将使用训练集的最大绝对值。

所以你得到：[ -3./2, -1./1, 4./2] = [-1.5, -1. , 2. ]

P.S：用于除法的值2,1 and 2 来自使用训练集的估计。