【问题标题】:MinMaxScaler Normalizing values that are already in [0,1] range PythonMinMaxScaler 标准化已经在 [0,1] 范围内的值 Python
【发布时间】:2021-05-23 07:24:49
【问题描述】:

我计划使用几列数据来训练 ANN 回归模型。大多数这些列的值范围从 0 到 10,000.00,但一个特定列的值始终在 [0,1] 范围内,并且精度高达小数点后 10 位,例如。值:0.1582639672。通常我会使用sklearn.preprocessing 中的MinMaxScaler 类将我的数据集的所有值标准化为[0,1] 范围,但是我担心在对这个特定列应用标准化时可能会丢失精度。

以 10 位精度对浮点值进行归一化会导致数据丢失,因为它会产生可能超过浮点类型可以 faithfully 表示的最大数字精度的“进一步归一化”值吗?

【问题讨论】:

    标签: python scikit-learn normalization


    【解决方案1】:

    由于值已经在 [0,1] 中,我想您可以手动将其从规范化过程中排除,并在完成后重新添加该列。通过这种方式,您可以保持该特定列的精度,因为规范化是逐列完成的,因此不会影响其他列。

    【讨论】:

      猜你喜欢
      • 2019-03-02
      • 2018-09-24
      • 2020-07-22
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 2020-07-19
      • 1970-01-01
      相关资源
      最近更新 更多