特征工程（2）-数据预处理区间缩放法

https://www.deeplearn.me/1383.html

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

$$\mathrm{y=x-minmax-miny=x-minmax-min}$$

上述公式中 min 代表数据最小值，max 代表数据最大值

1. from sklearn.preprocessing import MinMaxScaler
2. tmp=MinMaxScaler().fit_transform(irisdata.data)
3. 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

1. >>>from pyspark.mllib.linalg import Vectors
2. >>>from pyspark.sql import SQLContext
3. >>>sqlContext=SQLContext(sc)
4. >>>df = sqlContext.createDataFrame([(Vectors.dense([0.0]),), (Vectors.dense([2.0]),)], ["a"])
5. >>> mmScaler = MinMaxScaler(inputCol="a", outputCol="scaled")
6. >>> model = mmScaler.fit(df)
7. >>> model.transform(df).show()
8. +-----+------+
9. | a|scaled|
10. +-----+------+
11. |[0.0]| [0.0]|
12. |[2.0]| [1.0]|