前言

分析数据中，经常要把数据归一化，这样可以快速收敛。
python sklearn，中 preprocessin 中有很多数据处理模块。
本片介绍的是 MinMaxScaler 使用，及保存使用案例。
准备原始数据：

import pandas as pd
import numpy as np

dataset = np.random.randint(1000,size=10)
#原始数据 0-1000
dataset = dataset.reshape(-1,1)

使用

MinMaxScaler 初始化

from sklearn.preprocessing import MinMaxScaler
sc = MinMaxScaler(feature_range=(0, 1)) # 映射到 0 -1 之间 

fit 适应数据

sc.fit(dataset) # 训练 

转换

transform_data = sc.transform(dataset) # 转换 

逆转换

transform_befor = sc.inverse_transform(transform_data) # 逆转换 

保存及加载

# from sklearn.externals import joblib  # 已经过时
import joblib
scaler_filename = "scaler.save"
joblib.dump(sc, scaler_filename)  # save
new_sc = joblib.load(scaler_filename) # load 

github code

https://github.com/WOWTED/lea…