Pythonのscikit-learnでデータをスケーリングする方法｜MinMaxScalerによる正規化の実装例

特徴量スケーリング（Feature Scaling）は、機械学習アルゴリズムを構築する際のデータ前処理段階において非常に重要なステップです。データを特定の範囲に正規化することで、モデルが安定して学習できるようになります。

また、スケーリングを行うことで計算処理の速度が向上する場合もあります。特に勾配降下法などの最適化手法では、収束が速くなるというメリットが期待できます。

なぜスケーリングが必要なのか？

学習アルゴリズムに入力されるデータは、一貫性があり、構造化されていることが求められます。すべての特徴量が同じ尺度に揃っていなければ、精度の高い予測は困難です。しかし、現実世界のデータは非構造的であることが多く、多くの場合、各特徴量は同じ尺度上に存在していません。

そこで登場するのが「正規化」です。正規化は最も重要なデータ準備プロセスの一つであり、入力データセットの各列の値を共通の尺度に揃える役割を果たします。

ここからは、PythonのScikit-learnライブラリを使用して特徴量スケーリングを実行する具体的な方法を見ていきましょう。

コード例

import numpy as np
from sklearn import preprocessing
input_data = np.array(
[[34.78, 31.9, -65.5],
[-16.5, 2.45, -83.5],
[0.5, -87.98, 45.62],
[5.9, 2.38, -55.82]])
data_scaler_minmax = preprocessing.MinMaxScaler(feature_range=(0,1))
data_scaled_minmax = data_scaler_minmax.fit_transform(input_data)
print ("\nThe scaled data is \n", data_scaled_minmax)

出力結果

The scaled data is
[[1.  1. 0.1394052 ]
[0.  0.75433767 0. ]
[0.33151326 0. 1. ]
[0.43681747 0.75375375 0.21437423]]

コードの解説

• 必要なパッケージ（NumPyとscikit-learnのpreprocessingモジュール）をインポートします。

• NumPyライブラリを使用して、サンプル用の入力データを作成します。

• preprocessingクラスに含まれるMinMaxScaler関数を使用し、feature_range=(0,1)を指定することで、データを0〜1の範囲にスケーリングします。

• fit_transformメソッドによって、配列内のすべての値が0〜1の間の値へと変換されます。

• スケーリング後のデータがコンソールに出力されます。

Min-Maxスケーリングの仕組み

MinMaxScalerは、次の式に基づいて各特徴量を指定された範囲へ線形に変換します。

X_scaled = (X − X_min) / (X_max − X_min)

この変換により、各列の最小値は0、最大値は1にマッピングされ、その他の値もその比率に応じて変換されます。ただし、外れ値の影響を受けやすいという注意点があります。一方で、ニューラルネットワークやk近傍法（KNN）など、距離やスケールに敏感なアルゴリズムとの相性が非常に良い手法です。