Min-max scaling與z-score normalization同樣有著一組公式:
m = (x -xmin) / (xmax -xmin)
在此公式中的變數:
使用此正規化方法,通常得出的結果是介於0-1之間的數值。當然此方法一樣可以手刻一個pandas的版本,但sklearn也已經有api可以使用:
from sklearn.preprocessing import MinMaxScaler
min_max = MinMaxScaler()
train_set_min_maxed_b = pd.DataFrame(min_max.fit_transform(train_set),
columns=train_set.keys())
比對正規化前後的差異:
正規化前後訓練模型的對照: