如何在MinMaxScaler中对矩阵中的列使用inverse_transform

Question

我根据其列缩放矩阵，如下所示：

scaler = MinMaxScaler(feature_range=(-1, 1))
data = np.array([[-1, 2], [-0.5, 6], [0, 10], [1, 18]])
scaler = scaler.fit(data)
data_scaled = scaler.transform(data)

在data_scaled给我的情况如下：

array([[-1. , -1. ],
       [-0.5, -0.5],
       [ 0. ,  0. ],
       [ 1. ,  1. ]])

这是所需的输出。但是，我试图逆转此矩阵第一列的缩放比例，所以我尝试了以下操作（错误显示在每行代码下方）：

scaler.inverse_transform(data_scaled[:,1].reshape(1,-1))
Traceback (most recent call last):
  File "c:\anaconda3\lib\site-packages\IPython\core\interactiveshell.py", line 2862, in run_code
    exec(code_obj, self.user_global_ns, self.user_ns)
  File "<ipython-input-38-6316f51586e7>", line 1, in <module>
    scaler.inverse_transform(data_scaled[:,1].reshape(1,-1))
  File "c:\anaconda3\lib\site-packages\sklearn\preprocessing\data.py", line 385, in inverse_transform
    X -= self.min_
ValueError: operands could not be broadcast together with shapes (1,4) (2,) (1,4) 

另外，我尝试了：

scaler.inverse_transform(data_scaled[:,1].reshape(-1,1))
Traceback (most recent call last):
  File "c:\anaconda3\lib\site-packages\IPython\core\interactiveshell.py", line 2862, in run_code
    exec(code_obj, self.user_global_ns, self.user_ns)
  File "<ipython-input-39-397382ddb3fd>", line 1, in <module>
    scaler.inverse_transform(data_scaled[:,1].reshape(-1,1))
  File "c:\anaconda3\lib\site-packages\sklearn\preprocessing\data.py", line 385, in inverse_transform
    X -= self.min_
ValueError: non-broadcastable output operand with shape (4,1) doesn't match the broadcast shape (4,2)

那么，如何重新缩放该矩阵的第一列呢？

Answer 1

sklearn.preprocessing.MinMaxScaler 具有 min_ 和 scale_ 等属性

https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.MinMaxScaler.html#sklearn.preprocessing.MinMaxScaler

您可以将该特定列的这些属性转移到一个新的空 minmaxscaler 来解决您的问题。

例如：对于 [?,4] 数组

属性转移

Answer 2

scaler 请记住，您将其传递给具有两列的2D输入，并假设传递给它的所有后续数据将具有相同数量的要素/列。

如果仅是您想要的第一列，则仍然需要传递inverse_transform具有相同列数的输入。从结果中获取第一列，并丢弃其余的列。

scaler.inverse_transform(data_scaled)[:, [0]]

array([[-1. ],
       [-0.5],
       [ 0. ],
       [ 1. ]])

这有点浪费，但这是sklearn API的局限性。