[Python MinMaxScaler] 0 ~ 1に正規化

sklearn.preprocessing.MinMaxScalerを使用した正規化

MinMaxScalerによる正規化とは

以下の式による 0 から 1 の範囲への変換

コード例

緯度と経度などあらかじめ最小・最大値が決まっている場合の使用例

サンプルデータ

import numpy as np

from sklearn.preprocessing import MinMaxScaler


# 東京都内の緯度経度サンプルデータセット
sample = np.array([[35.6712, 139.7665], [35.6812, 139.7671], [35.6580, 139.7016]])  # shape=(3, 2)

=> array([[ 35.6712, 139.7665],
          [ 35.6812, 139.7671],
          [ 35.658 , 139.7016]])

最小・最大値の定義

# 最小値と最大値を定義

# [緯度, 経度]
min_li = [-90, -180]
max_li = [90, 180]
min_max_li = np.array([min_li, max_li])  # shape=(2, 2)

# 正規化で使用する最小値と最大値を定義
mmscaler = MinMaxScaler(feature_range=(0, 1), copy=True)
mmscaler.fit(min_max_li.astype('float'))
# mmscaler.fit(sample) とした場合は、サンプルデータの各列に対して最小値と最大値を自動で定義

正規化

正規化するデータは、最小・最大値を定義する際に使用したデータと同じ列数でなければいけない
今回は緯度と経度の2列

# サンプルデータに対して正規化
scaled_sample = mmscaler.transform(sample)

=> array([[0.69817333, 0.88824028],
          [0.69822889, 0.88824194],
          [0.6981    , 0.88806   ]])

非正規化（正規化前に戻す）

# サンプルデータを非正規化
mmscaler.inverse_transform(scaled_sample)

=> array([[ 35.6712, 139.7665],
          [ 35.6812, 139.7671],
          [ 35.658 , 139.7016]])

Reference

• https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.MinMaxScaler.html