因此,StandardScaler 不能保证在异常值存在的情况下平衡特征尺度。 MinMaxScaler 数据集,使所有特征值都在 [0, 1] 范围内,如下面右侧面板所示。但是,对于转换后的家庭数量,此缩放比例会压缩窄范围 [0, 0.005] 内的所有异常值。 原文由 Simas Joneliunas 发布,翻译遵循 CC BY-SA 4.0 许可协议有用 回复 社区维...
Output: min_max_error: {'mae':0.35,'mse':0.19,'mase':5.53}standard_scaler_error: {'mae':1.2,'mse':2.16,'mase':5.57} Now lets try with stock price assuming we have 2 outputs with min_max and standard scaler and i assume standard scaler performed well with the output. The question ...
self.scaler.fit(data)deftransform(self, X):#return Xreturnself.scaler.transform(numpy.reshape(X, (len(X),1)))definverse_transform(self, x):returnself.scaler.inverse_transform(x) 开发者ID:ericsolo,项目名称:python,代码行数:16,代码来源:DataPrepare.py 示例12: test_minmaxscaler_vs_sklearn ▲...
因此,StandardScaler 不能保证在异常值存在的情况下平衡特征尺度。 MinMaxScaler 数据集,使所有特征值都在 [0, 1] 范围内,如下面右侧面板所示。但是,对于转换后的家庭数量,此缩放比例会压缩窄范围 [0, 0.005] 内的所有异常值。 原文由 Simas Joneliunas 发布,翻译遵循 CC BY-SA 4.0 许可协议有用 回复 查看全...