Question

我正在尝试使用StandardScaler来扩展神经网络的功能。

让我们说神经网络具有以下特征：

1.0  2.0   3.0
4.0  5.0   6.0
4.0  11.0  12.0
etc ...

当我将StandardScaler应用于整个事物（所有行）时，我得到第一行的以下结果：

['-0.920854068785', '-0.88080603151', '-0.571888559111']

当我尝试将StandardScaler仅应用于第一行时（矩阵仅由第一行组成），我得到了完全不同的结果。

['0.0', '0.0', '0.0']

显然，神经网络不会以这种方式工作，因为行不一样。有没有办法以某种方式使用标准刻度，所以每次都得到相同的结果，对于相同的输入（线）？

这是代码和输出：

from sklearn.preprocessing import StandardScaler
import numpy as np
sc = StandardScaler()

#defining the (big) matrix
AR = np.array([[1.0,2.0,3.0],[4.0,5.0,6.0],[4.0,11.0,12.0],[42.0,131.0,1121.0],[41.0,111.0,121.0]])
AR = sc.fit_transform(AR)
print "fited data from big array:"
m=0
for row in AR: 
    m = m + 1
    if m==1:print [str(m) for m in row]

#defining the (small) matrix
AR1 = np.array([[1.0,2.0,3.0]])
AR1 = sc.fit_transform(AR1)
print "fited data from small array"
for row in AR1: 
     print [str(m) for m in row]

输出结果为：

fited data from big array:
['-0.920854068785', '-0.88080603151', '-0.571888559111']
fited data from small array
['0.0', '0.0', '0.0']

Answer 1

instance.attribute会将数据移动平均值并按标准进行缩放，因为您只将一行传递给它，每个列的意思是值本身和价值将转移到零。查看更多here。

Uncaught RangeError: Maximum call stack size exceeded
  at objectName.get [as attribute] (file.js:6)

line 6: get: function() { return this.geoData },

在您的情况下，您应该StandardScaler缩放器到所有数据，并且对于每一行，您可以使用>>> sc = StandardScaler() >>> arr = np.array([[1.0,2.0,3.0]]) >>> sc.fit(arr) >>> sc.mean_, sc.scale_ array([ 1., 2., 3.]), array([ 1., 1., 1.]))来获得结果。

fit

Answer 2

与StandardScaler一样，所有估算器都有可以访问的类变量，并且可以打印值。如果您想要打印平均值StandardScaler，则应执行以下操作：

scaler = StandardScaler()
scaler.fit(my_input_array)
print scaler.mean_ # to get the mean for every column
print scaler.var_ # to get the variance for every column

您可以在doc

中找到所有此类变量的列表

注意：StandardScaler的目的是使您的平均值0并对其进行缩放，并使用 NOT 来查找均值或方差。

这样做是为了使您的输入成为其他功能/算法可以工作的理想选择，并且您可以获得更好的准确性。

StandardScaler无法正确缩放

2 个答案: