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る：

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]の範囲に収まることが保証される）；
StandardScaler：特徴量を標準化し、平均を0、分散を1にする。

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'の特徴量を例に挙げる。これらの特徴量をプロットすることで、それぞれのスケールを観察できる。

MinMaxScaler

MinMaxScalerは、最小値を引いて値をゼロから始め、その後**(x_max - x_min)**で割ることで、値を1以下にスケーリングする。

こちらは、MinMaxScaler の動作を示すGIFです:

MaxAbsScaler

MaxAbsScaler は、最大絶対値 を求め、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（ゼロ中心化）、標準偏差で割る（分散を1にする）ことで動作します。

注意

平均値、標準偏差、分散が何であるか理解していない場合は、 Learning Statistics with Python コースをご覧ください。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、出力はあまり見栄えがよくありませんが、パイプラインを使用すれば問題ありません。

注意

スケーリングは特徴量カラム（X 変数）のみに適用してください。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うべきか？

StandardScaler は外れ値に対してより敏感であり、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 の代替を好む場合、MinMaxScaler と MaxAbsScaler のどちらを選択するかは、MinMaxScaler による [0,1] へのスケーリングと MaxAbsScaler による [-1,1] へのスケーリングのいずれを好むかによります。