scikit-learn的MinMaxScaler与NumPy实现结果略有不同

Question

我对比了scikit-learn库中的Min-Max缩放器和用NumPy手动实现的缩放方法。不过，我发现两者的结果有一点点不同。有没有人能解释一下这是为什么呢？

Min-Max缩放的公式是这样的：

这个公式应该和scikit-learn的公式一样：(X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0))

我用这两种方法进行了如下操作：

def numpy_minmax(X):
    xmin =  X.min()
    return (X - xmin) / (X.max() - xmin)

def sci_minmax(X):
    minmax_scale = preprocessing.MinMaxScaler(feature_range=(0, 1), copy=True)
    return minmax_scale.fit_transform(X)

在一个随机样本上：

import numpy as np

np.random.seed(123)

# A random 2D-array ranging from 0-100

X = np.random.rand(100,2)
X.dtype = np.float64
X *= 100 

结果有一点点不同：

from matplotlib import pyplot as plt

sci_mm = sci_minmax(X)
numpy_mm = numpy_minmax(X)

plt.scatter(numpy_mm[:,0], numpy_mm[:,1],
        color='g',
        label='NumPy bottom-up',
        alpha=0.5,
        marker='o'
        )

plt.scatter(sci_mm[:,0], sci_mm[:,1],
        color='b',
        label='scikit-learn',
        alpha=0.5,
        marker='x'
        )

plt.legend()
plt.grid()

plt.show()

Answer 1

scikit-learn会把每个特征单独处理。所以，当你想要计算最小值时，需要指定axis=0，否则numpy.min会计算整个数组的最小值，也就是所有元素的最小值，而不是每一列的最小值：

>>> xs
array([[1, 2],
       [3, 4]])
>>> xs.min()
1
>>> xs.min(axis=0)
array([1, 2])

numpy.max也是一样的道理；所以正确的写法应该是：

def numpy_minmax(X):
    xmin =  X.min(axis=0)
    return (X - xmin) / (X.max(axis=0) - xmin)

这样做的话，你就能得到准确的结果：