from sklearn.preprocessing import MinMaxScaler
# 数据归一化
scaler = MinMaxScaler(feature_range=(0, 1))
scaler.fit_transform(dataset)
train = scaler.transform(train)
val = scaler.transform(val)
test = scaler.transform(test)
data_range = MinMaxScaler.data_range_
data_min = MinMaxScaler.data_min_
outputs = outputs * data_range[0] + data_min[0]
y_val = y_val * data_range[0] + data_min[0]
反归一化 from sklearn.preprocessing import MinMaxScaler
原创
©著作权归作者所有:来自51CTO博客作者wx6466f25322644的原创作品,请联系作者获取转载授权,否则将追究法律责任
提问和评论都可以,用心的回复会被更多人看到
评论
发布评论
相关文章
-
数据预处理 数据归一化之 sklearn.preprocessing
之所以要数据归一化是因为,不同评价指标往往具有不同的量纲,数值间的差距可能很规约到[0,1] 也...
preprocess 数据预处理 数据归一化 归一化 规范化