Python初心者向け：sklearnで正規化する方法を解説

▶ sklearnを用いた標準化についてはこちらの記事であつかっています。

Python初心者向けにsklearnライブラリを使った標準化の方法を基本から解説します。sklearnの前処理前処理を扱う機能（preprocessing）には、たくさんのメソッドがありますが、今回はこの中のscaleメソッドを用いた標準化を基本から解説します。

はじめに

前回に引き続き、scikit-learnのpreprocessingのメソッドを見ていきます。前回は、標準化(平均0、分散1)するscaleメソッドを扱いました。今回は、正規化(最小値が0、最大値が1に)するminmax_scaleをみていきましょう。

ここでは、標準化・正規化という用語を使い分けて用いています。次の記事を参考にしてください。

Python初心者向け：標準化/正規化という用語の使い分けについて

Python初心者向けにデータの前処理である準化・正規化について基本から解説します。この用語の明確な使い分けが定義されているわけではないようです。ここでは、各項目を説明する前に、このブログの中での意味の使い分けを説明しておきます。

minmax_scale

早速、やっていきましょう。まずはライブラリのインポートとデータの読み込みです。今回も、seabornで用意されているirisデータセットを使うことにしましょう。

# ライブラリの読み込み
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import japanize_matplotlib
from sklearn import preprocessing

sns.set_style('whitegrid')
%matplotlib inline


# irisデータの読み込み
iris=sns.load_dataset('iris')
iris.head()

今回もはじめの列にあるsepal_lengthで試すことにしましょう。正規化したデータはsepal_length_mmとすることにしましょう。次の一行でもとめることができます。

iris['sepal_length_mm']=preprocessing.minmax_scale(iris['sepal_length'])

さて、ちゃんとできているか検証をしてみましょう。

print('sepal_lengthの最小値は%.1fです。'%iris['sepal_length'].min())
print('sepal_lengthの最大値は%.1fです。'%iris['sepal_length'].max())
print('*'*30)
print('sepal_length_mmの最小値は%.1fです。'%iris['sepal_length_mm'].min())
print('sepal_length_mmの最大値は%.1fです。'%iris['sepal_length_mm'].max())

ちゃんとできているようですね。プロットでも確認しておきましょう。

plt.figure(figsize=(16,8))
plt.plot(iris.index,iris['sepal_length'],label='元のデータ')
plt.plot(iris.index,iris['sepal_length_mm'],label='正規化したデータ')

plt.legend(fontsize=15)

変換後は、ちゃんと最小値0、最大値1の間に収まっていますね。変換前データと変換後データの関係もみてみましょう。

plt.scatter(iris['sepal_length'],iris['sepal_length_mm'])

これで対応関係もわかりますね。各値が最小値0、最大値1になるように線形写像されています。

まとめ

いかがでしょうか？各列の値が異なるもの同士でも標準化や正規化をおこなって一緒に扱うことがあります。よく覚えておきましょう。

▶ この他にもsklearnを用いた前処理をご紹介しています。

Python初心者向け：sklearnでダミー変数の追加と二値化

Python初心者の方向けに、sklearnを用いた「ダミー変数の追加」と「二値化」を基本から解説します。ダミー変数の追加はadd_dummy_featureを使って作成します。二値化はbinarizeを用いて、指定した閾値より大きいか小さいかで二値化します。