使用 fit_transform 思想的归一化函数

Question

我想通过我根据 MinMax Scaler 的相同原理编写的函数来规范化我的 X_train 和 Y_train 数据。 我希望该函数返回训练数据的最小值和最大值，以便我可以在验证数据集上使用它们。 那是我写的代码：

def normalize(x, min=False, max=False):
  
    if min is False:
       min = np.min(x)
    if max is False:
       max = np.max(x)
    range = max - min

    return [(a - min) / range for a in x], min, max

问题是无论数据是什么，我的代码都会返回相同的最小值和最大值。 0 表示最小值，1 表示最大值。 我看不出是什么导致了问题。 有人可以帮我调试这段代码。

Answer 1

如果我理解正确（IIUC），您在同一数据上多次运行您的函数，并且在一次性标准化之后，您的数据的最小值和最大值在您进行标准化的任何时候都是 0 和 1。

>>> first_run = normalize([1,2,3])
>>> first_run
([0.0, 0.5, 1.0], 1, 3)

>>> second_run = normalize(first_run[0])
>>> second_run
([0.0, 0.5, 1.0], 0.0, 1.0)

>>> third_run = normalize(second_run[0])
>>> third_run
([0.0, 0.5, 1.0], 0.0, 1.0)