Различные алгоритмы машинного обучения для более эффективной обработки данных нуждаются в приведении к их определенному диапазону, например, от 0 до 1. Способы такой обработки включают использование логистической функции, шкалирование по минимаксу, стандартизацию. Для лучшего понимания, рассмотрим как они задаются вручную и сравним с результатами готовых способов.
Ниже перечисленные преобразования в том же порядке заданы в функциях:
Выше выведены результаты применения преобразований к заданному массиву.
А теперь используем функцию expit из модуля scipy.special для сравнения с нашей lor_tr:
Вот аналог действий min_max_tr с помощью MinMaxScaler из модуля sklearn.preprocessing:
Для стандартного шкалирования класс находится рядышком с MinMaxScaler и называется StandardScaler: