scikit-learn MinMaxScaler liefert etwas andere Ergebnisse als eine NumPy-Implementierung

Question

Ich habe den scikit-learn Min-Max-Scaler mit einem "manuellen" Ansatz mit NumPy von seinem preprocessing Modul verglichen. Ich bemerkte jedoch, dass das Ergebnis etwas anders ist. Hat jemand eine Erklärung dafür?

der folgenden Gleichung für Min-Max-Skalierung:

, die die gleiche sein sollte wie die Scikit-Learn ein: (X - X.min(axis=0))/(X.max(axis=0) - X.min(axis=0))

ich verwende beide Ansätze wie folgt:

def numpy_minmax(X): 
    xmin = X.min() 
    return (X - xmin)/(X.max() - xmin) 

def sci_minmax(X): 
    minmax_scale = preprocessing.MinMaxScaler(feature_range=(0, 1), copy=True) 
    return minmax_scale.fit_transform(X) 

Auf einer Stichprobe:

import numpy as np 

np.random.seed(123) 

# A random 2D-array ranging from 0-100 

X = np.random.rand(100,2) 
X.dtype = np.float64 
X *= 100 

Die Ergebnisse sind etwas anders:

from matplotlib import pyplot as plt 

sci_mm = sci_minmax(X) 
numpy_mm = numpy_minmax(X) 

plt.scatter(numpy_mm[:,0], numpy_mm[:,1], 
     color='g', 
     label='NumPy bottom-up', 
     alpha=0.5, 
     marker='o' 
     ) 

plt.scatter(sci_mm[:,0], sci_mm[:,1], 
     color='b', 
     label='scikit-learn', 
     alpha=0.5, 
     marker='x' 
     ) 

plt.legend() 
plt.grid() 

plt.show() 

Answer 1

scikit-learn Prozesse jeweils einzeln verfügen. Also, Sie müssen axis=0 angeben, wenn min nehmen, sonst numpy.min wäre, die min auf alle die Elemente des Arrays, nicht jede Spalte separat:

>>> xs 
array([[1, 2], 
     [3, 4]]) 
>>> xs.min() 
1 
>>> xs.min(axis=0) 
array([1, 2]) 

gleiche Sache für numpy.max; so die korrekte Funktion wäre:

def numpy_minmax(X): 
    xmin = X.min(axis=0) 
    return (X - xmin)/(X.max(axis=0) - xmin) 

tun, damit Sie eine genaue Übereinstimmung bekommen: