Scaler

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]]))

# 결과
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]]))

# 결과
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]]