如何缩放数据但参考另一个选择的值

Posted 2023-03-12

【中文标题】如何缩放数据但参考另一个选择的值

【英文标题】：How to scale data but in reference of another chosen value

【发布时间】：2021-11-23 10:35:51

【问题描述】：

我有一个需要扩展的列表，例如：

[[45724.25] [45570.08] [45584.31] [45549.79]]

通过使用 sklearn from sklearn.preprocessing import MinMaxScaler 的 MinMaxScaler，数据将转换为 0 到 1 的值，其中 1 是我要缩放的列表的最大值，其余的引用该最高值的值。

如何选择我想要引用的值。 PX。缩放引用 100000 的值，因此将缩放值，但最大值为 100000。

所以不是我的缩放值是这样的：

[[1.] [0.92] [0.94] [0.91]]

变成了这样：

[[0.47] [0.43] [0.45] [0.41]]

像素。缩放值并不精确，它们在这里是为了更清楚。

我认为（正如问题所写），我可以简单地添加我想要在原始列表中引用的最大值：

来自

[[45724.25]  [45570.08]  [45584.31]  [45549.79]]

到

[[45724.25]  [45570.08]  [45584.31]  [45549.79]  [100000.]]

使用缩放器，然后丢弃插入的值。

问题是它需要代表我对数据进行额外处理，有没有更简单的方法？

【问题讨论】：

虽然我同意 DB82XL 的回答。我想补充一点，您引用MinMaxScaler 的函数有两个属性，分别指示最小值和最大值。 0 和 1 只是它的默认值。

【参考方案1】：

正如@Kosmos 提到的，MinMaxScaler 有一个feature_range 参数，其默认值为(0,1)。您可以通过计算新的最大值来获得所需的结果：

# x is the raw data, c is the reference maximum to which the data should be references
x = np.array([[45724.25], [45570.08], [45584.31], [45549.79]])
c = 100000
print(f'Unscaled:\nx\n')

# Original approach: add max reference to dataset, scale, then drop
x2 = np.array([*x, [c]])
scaler = MinMaxScaler()
x_scaled = scaler.fit_transform(x2)
x_scaled = x_scaled[:-1]
print(f'Scaled (original approach):\nx_scaled\n')

# Proposed approach: calculate the desired max based on c and provide custom range
# np.ptp returns the range of the array (max - min)
desired_max = np.ptp(x) / (c - np.min(x))
scaler = MinMaxScaler(feature_range=(0, desired_max))
x_scaled = scaler.fit_transform(x)
print(f'Scaled (custom max):\nx_scaled\n')

输出：

Unscaled:
[[45724.25]
 [45570.08]
 [45584.31]
 [45549.79]]

Scaled (original approach):
[[0.00320403]
 [0.00037263]
 [0.00063397]
 [0.        ]]

Scaled (custom max):
[[0.00320403]
 [0.00037263]
 [0.00063397]
 [0.        ]]

【讨论】：

这不是我要问的，我想知道如何将所有数据引用为 100k 的最大值，正如您在答案的第二个比例中看到的那样。