MinMaxScaler 规范化已经在 [0,1] 范围内的值 Python
MinMaxScaler Normalizing values that are already in [0,1] range Python
我计划使用几列数据来训练 ANN 回归模型。大多数这些列的值都在 0 到 10,000.00 之间,但有一个特定列的值始终在 [0,1]
范围内,并且精度高达小数点后 10 位,例如。值:0.1582639672
。通常我会使用 sklearn.preprocessing
中的 MinMaxScaler
class 将我的数据集的所有值标准化到 [0,1]
范围,但是我担心在对这个特定的应用标准化时可能会丢失精度列。
具有 10 位精度的浮点值的规范化是否会通过生成可能超过浮点类型可以 faithfully 表示的最大数字精度的 'further normalized' 值而导致数据丢失?
由于值已经在 [0,1] 中,我想您可以将其从规范化过程中手动排除,并在完成后重新添加该列。通过这种方式,您可以保持此特定列的精度,因为归一化是逐列完成的,因此不会影响其他列。
我计划使用几列数据来训练 ANN 回归模型。大多数这些列的值都在 0 到 10,000.00 之间,但有一个特定列的值始终在 [0,1]
范围内,并且精度高达小数点后 10 位,例如。值:0.1582639672
。通常我会使用 sklearn.preprocessing
中的 MinMaxScaler
class 将我的数据集的所有值标准化到 [0,1]
范围,但是我担心在对这个特定的应用标准化时可能会丢失精度列。
具有 10 位精度的浮点值的规范化是否会通过生成可能超过浮点类型可以 faithfully 表示的最大数字精度的 'further normalized' 值而导致数据丢失?
由于值已经在 [0,1] 中,我想您可以将其从规范化过程中手动排除,并在完成后重新添加该列。通过这种方式,您可以保持此特定列的精度,因为归一化是逐列完成的,因此不会影响其他列。