学ぶ StandardScaler、MinMaxScaler、MaxAbsScaler | Scikit-learnによるデータの前処理

メニューを表示するにはスワイプしてください

データのスケーリングには、以下の3つの一般的な手法があります：

MinMaxScaler：特徴量を[0, 1]の範囲にスケーリング；
MaxAbsScaler：特徴量を最大絶対値が1になるようにスケーリング（データは[-1, 1]の範囲に収まる）；
StandardScaler：特徴量を標準化し、平均を0、分散を1に調整。

スケーラーの動作を説明するために、penguins datasetの'culmen_depth_mm'および'body_mass_g'の特徴量を例にします。これらの特徴量をプロットすることで、そのスケールを観察できます。

MinMaxScaler

MinMaxScaler は、最小値 を引いて値をゼロから始めるようにし、その後 (x_max - x_min) で割ることで、値を1以下に正規化する手法。

こちらは、MinMaxScaler の動作を示すGIFです:

MaxAbsScaler

MaxAbsScaler は、最大絶対値 を見つけ、各値をその値で割ることで動作します。これにより、最大絶対値が1になります。

StandardScaler

StandardScaler の考え方は統計学に由来します。平均値を引いて（ゼロを中心にし）、標準偏差で割ることで（分散を1にする）、データを標準化します。

注意

平均値、標準偏差、分散について理解が不十分な場合は、 Learning Statistics with Python コースを参照してください。ただし、この知識がなくても先に進むことは可能です。

こちらは MinMaxScaler を使用したコーディング例です。他のスケーラーも同様の方法で適用されます。


              12345678910
            
import pandas as pd
from sklearn.preprocessing import MinMaxScaler

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a65bbc96-309e-4df9-a790-a1eb8c815a1c/penguins_imputed_encoded.csv')
# Assign X,y variables
X, y = df.drop('species', axis=1), df['species']
# Initialize a MinMaxScaler object and transform the X
minmax = MinMaxScaler()
X = minmax.fit_transform(X)
print(X)

スケーラーはデータを numpy 配列に変換するため、出力はあまり見やすくありませんが、パイプラインを使用すれば問題ありません。

注意

特徴量カラム（X 変数）のみをスケーリングしてください。ターゲット変数をスケーリングする必要はありません。逆変換処理が複雑になるためです。

どのスケーラーを使用するべきか？

StandardScaler は 外れ値に敏感 であり、デフォルトのスケーラーとしてはあまり適していません。StandardScaler の代替を選ぶ場合、MinMaxScaler と MaxAbsScaler のどちらを使用するかは、MinMaxScaler でデータを [0,1] の範囲にスケーリングするか、MaxAbsScaler で [-1,1] の範囲にスケーリングするかという個人の好みによります。