如何缩放一个输入示例？
how to scale one input example?
我有一个包含此类输入特征的数据集：
[81.2819,5636.209677,9957.279495]
以上是我的神经网络的三个输入特征。假设我的整个数据集的大小是：(10,000 x 3)
当我使用以下代码行缩放整个数据集时：
scaler = preprocessing.MinMaxScaler()
scaled_ds = scaler.fit_transform(dataset)
一切正常。但是当我像上面的那样只缩放一行时，我得到的是零，比如：
array([[0., 0., 0.]])
你们能解释一下为什么吗？
根据 documentation:
X_std = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0))
X_scaled = X_std * (max - min) + min
因此对于单个样本，X.min 与 X.max 重合，导致您的范围为零。反过来，零除处理会导致您的 X_scaled 为零。
这应该可以解释为什么不能为单个数据样本定义按特征缩放。另一方面，如果你已经拟合了你的数据集，只是想转换一个新的例子，你需要使用：
scaled_sample = scaler.transform(sample)
即只需使用预先获得的 min/max 值，而不是尝试适应新值。
我有一个包含此类输入特征的数据集： [81.2819,5636.209677,9957.279495] 以上是我的神经网络的三个输入特征。假设我的整个数据集的大小是：(10,000 x 3) 当我使用以下代码行缩放整个数据集时：
scaler = preprocessing.MinMaxScaler()
scaled_ds = scaler.fit_transform(dataset)
一切正常。但是当我像上面的那样只缩放一行时，我得到的是零，比如：
array([[0., 0., 0.]])
你们能解释一下为什么吗？
根据 documentation:
X_std = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0))
X_scaled = X_std * (max - min) + min
因此对于单个样本，X.min 与 X.max 重合，导致您的范围为零。反过来，零除处理会导致您的 X_scaled 为零。
这应该可以解释为什么不能为单个数据样本定义按特征缩放。另一方面，如果你已经拟合了你的数据集，只是想转换一个新的例子，你需要使用：
scaled_sample = scaler.transform(sample)
即只需使用预先获得的 min/max 值，而不是尝试适应新值。