Pythonで最大値を M、最小値を m にする正規化をするコードについて

Question

前提・実現したいこと

PythonでMin-Max正規化を行おうとしています。
最小値は0.0で最大値は4.0の正規化を行おうとしています。

発生している問題・エラーメッセージ

該当のソースコードでは、最大値0で結果が出るのですが、
これを最小値は0.0で最大値は4.0にするためにはどうすればいいかわからない状況です。

array([ 0.        ,  0.66666667,  1.        ,  0.16666667,  0.66666667,
        0.16666667])

該当のソースコード

以下の参考記事を使ってコードを書きました。
NumPyで配列の正規化(normalize)、標準化する方法

import numpy as np
def min_max(x, axis=None):
    min = x.min(axis=axis, keepdims=True)
    max = x.max(axis=axis, keepdims=True)
    result = (x-min)/(max-min)
    return result

sample = np.array([2, 6, 8, 3, 6, 3])
c = min_max(sample)

補足情報（FW/ツールのバージョンなど）

Python3.6

Answer 1

sklearnのMinMaxScalerを用いてはいかがでしょうか。

sklearn.preprocessing.MinMaxScaler — scikit-learn 0.20.0 documentation

自分で実装するにしても、上記リンクに参考になりそうな数式が載っていますし、sklearnの実装のソースを参考にしても良いと思います。

Answer 2

最大値で割った後(最大1 最小0)に4掛けたらいいではないでしょうか？

import numpy as np

array = np.array([1, 2, 3, 4, 5])
print((array / np.max(array)) * 4)

追記

import numpy as np

def min_max(array, max, min):
    x_max = np.max(array, axis=0)
    x_min = np.min(array, axis=0)
    x_std = (array - x_min) / (x_max - x_min)
    return x_std * (max - min) + min

print(min_max(np.array([1, 2, 3, 4, 5]), 4, -1))

たぶんこんな感じですかね
hayatakaさんのリンク先の数式を見ただけですが...

Comments

[puroko3]

タイトル見る限り柔軟な関数がほしいという事っぽいですね
+質問の求めている正規化とは少し違いましたね。失礼

[退会済みユーザー]

ありがとうございました。
正規化の説明が不十分ですみませんでした。

Answer 3

任意の numpy 配列を [0, 4] で正規化するサンプルコード

import numpy as np

a = np.random.randint(-5, 10, 10)
b = np.random.randint(-5, 10, (3, 3))
print(a)
print(b)

def normalize(x, axis=None):
    a = x - np.max(np.min(x), 0)  # [-a, b] -> [0, a + b]
    a_max = np.max(a)
    if a_max != 0:
        a = a / a_max  # [0, a + b] -> [0, 1]
    return a * 4  # [0, 1] -> [0, 4]

print(normalize(a))
print(normalize(b))

# 正規化前
[ 7  9  4  1 -4  4 -4 -5 -1 -3]
[[-3  5  6]
 [-4 -2  4]
 [-3  7  5]]

# 正規化語
[3.42857143 4.         2.57142857 1.71428571 0.28571429 2.57142857
 0.28571429 0.         1.14285714 0.57142857]
[[0.36363636 3.27272727 3.63636364]
 [0.         0.72727273 2.90909091]
 [0.36363636 4.         3.27272727]]

Comments

[退会済みユーザー]

ありがとうございました。
正規化の説明が不十分ですみませんでした。