特征工程（2）-数据预处理区间缩放法

共计 816 个字符，预计需要花费 3 分钟才能阅读完成。

接上一篇文章无量纲标准化预处理数据标准化处理数据，这篇文章继续使用区间缩放法进行处理

区间缩放法原理

最常见的就是使用最大最下值来进行处理，处理的公式如下

y=\frac{x-min}{max-min}

上述公式中min代表数据最小值，max代表数据最大值

from sklearn.preprocessing import  MinMaxScaler
tmp=MinMaxScaler().fit_transform(irisdata.data)
print tmp[0:5]

部分结果如下：
[[ 0.22222222 0.625 0.06779661 0.04166667]
[ 0.16666667 0.41666667 0.06779661 0.04166667]
[ 0.11111111 0.5 0.05084746 0.04166667]
[ 0.08333333 0.45833333 0.08474576 0.04166667]
[ 0.19444444 0.66666667 0.06779661 0.04166667]]
spark中的区间缩放法

>>>from pyspark.mllib.linalg import Vectors
>>>from pyspark.sql import SQLContext
>>>sqlContext=SQLContext(sc)
>>>df = sqlContext.createDataFrame([(Vectors.dense([0.0]),), (Vectors.dense([2.0]),)], ["a"])
>>> mmScaler = MinMaxScaler(inputCol="a", outputCol="scaled")
>>> model = mmScaler.fit(df)
>>> model.transform(df).show()
+-----+------+
|    a|scaled|
+-----+------+
|[0.0]| [0.0]|
|[2.0]| [1.0]|