, 당신은 X는 원본 데이터 셋입니다
X_std = (X - X.min(axis=0))/(X.max(axis=0) - X.min(axis=0))
X_scaled = X_std * (max - min) + min
를 사용하여 않는 최대 어떤 분 스케일러 다시 만들 수 있습니다. (기능 범위가 기본값 (0,1) 인 경우 위의 두 번째 줄은 필요하지 않습니다. X_scaled = X_std
과 함께 나타납니다)
이미 숙련 된 MaxMinScaler를 사용하여 동일한 계산을 수행하려는 경우 대신 원본 데이터 셋의 다음 예를 살펴 난 그냥 min_max_scaler.min_하여 새로운 데이터를 뺄 것
from sklearn.preprocessing import MinMaxScaler
import pandas as pd
import numpy as np
# Test data set
X = pd.DataFrame(np.random.randint(0, 100, size=(20,4)))
# Test scaler
scaler = MinMaxScaler()
sklearn_result = scaler.fit_transform(X)
# Compute, and verify results match up to machine precision
manual_result = (X - scaler.data_min_)/(scaler.data_max_ - scaler.data_min_)
(sklearn_result - test).max().max() . # Is around 10e-16
좀 더 문서를 읽고, (다시 가정 기능의 범위는 기본 (0,1)에 남아) min_max_scaler.scale_로 나눕니다. – a1letterword
'pickle'을 사용하여 객체를 저장할 수 없습니까? 코드가 없으면이 질문은 너무 광범위합니다. –