StandardScaler
- data를 평균=0, 분산=1 의 형태로 재설정 해 준다.
from sklearn.preprocessing import StandardScaler
data = [[0, 1], [1, 3], [2, 4], [3, 6]]
scaler = StandardScaler()
print(scaler.fit(data))
print(scaler.mean_)
print(scaler.transform(data))
print(scaler.transform([[2, 2]]))
StandardScaler(copy=True, with_mean=True, with_std=True)
[1.5 3.5]
[[-1.34164079 -1.38675049]
[-0.4472136 -0.2773501 ]
[ 0.4472136 0.2773501 ]
[ 1.34164079 1.38675049]]
[[ 0.4472136 -0.83205029]]
MinMaxScaler
- data를 0과 1 사이의 값으로 재설정 해 준다.
from sklearn.preprocessing import MinMaxScaler
data = [[-1, 2], [2, -5], [3, 5], [4, -7]]
scaler = MinMaxScaler()
print(scaler.fit(data))
print(scaler.data_max_)
print(scaler.transform(data))
print(scaler.transform([[2,2]]))
MinMaxScaler(copy=True, feature_range=(0, 1))
[4. 5.]
[[0. 0.75 ]
[0.6 0.16666667]
[0.8 1. ]
[1. 0. ]]
[[0.6 0.75]]