2025.6.3 正規化【sklearn】

sklearn の MinMaxScaler で2Dデータの正規化（データを0~1の範囲にスケーリングする）を行うことができる。

code:minimaxscalaer01.py

import matplotlib.pyplot as plt

from sklearn.preprocessing import MinMaxScaler

import numpy as np

data1 = np.random.randn(20, 2)*1.3 # 正規分布で2Dのデータを用意

ms = MinMaxScaler() # 正規化を行うオブジェクトの生成

data1sc = ms.fit_transform(data1) # 正規化

# 結果のグラフ化

plt.grid()

plt.axhline(0, color='black', lw=0.5)

plt.axvline(0, color='black', lw=0.5)

plt.show()

結果:

https://scrapbox.io/files/683e7a4d658ecbcdc74c2469.png

計算式

$ \bar{x}_{ij} = \frac{x_{ij} - \min(X)}{\max(X) - \min(X)}

1D, 3Dのデータは処理できない。

code:続き.py

import matplotlib.pyplot as plt

from sklearn.preprocessing import MinMaxScaler

import numpy as np

ms = MinMaxScaler() # 正規化を行うオブジェクトの生成

# 1Dデータ

data2 = np.random.randn(5)

data2sc = ms.fit_transform(data2)

# 3Dデータ

data3 = np.random.randn(3,10,2)

data3sc = ms.fit_transform(data3)

1Dの結果：

ValueError: Expected 2D array, got 1D array instead:

Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

3Dの結果：

ValueError: Found array with dim 3. MinMaxScaler expected <= 2.