ml_scaler.cpp

Go to the documentation of this file.

//=============================================================================================================
 
//=============================================================================================================
// INCLUDES
//=============================================================================================================
 
#include "ml_scaler.h"
 
//=============================================================================================================
// STL INCLUDES
//=============================================================================================================
 
#include <stdexcept>
#include <cmath>
 
//=============================================================================================================
// USED NAMESPACES
//=============================================================================================================
 
using namespace MLLIB;
using namespace Eigen;
 
//=============================================================================================================
// DEFINE MEMBER METHODS
//=============================================================================================================
 
MlScaler::MlScaler(ScalerType type)
: m_type(type)
{
}
 
//=============================================================================================================
 
void MlScaler::fit(const MlTensor& data)
{
    auto X = data.matrix();
 
    if (m_type == StandardScaler) {
        m_mean = X.colwise().mean();
        VectorXf variance = ((X.rowwise() - m_mean.transpose()).array().square().colwise().sum() /
                             static_cast<float>(X.rows())).matrix().transpose();
        m_std = variance.array().sqrt().max(1e-10f).matrix();
    } else {
        m_min   = X.colwise().minCoeff();
        VectorXf maxVals = X.colwise().maxCoeff();
        m_range = (maxVals - m_min).array().max(1e-10f).matrix();
    }
 
    m_fitted = true;
}
 
//=============================================================================================================
 
MlTensor MlScaler::transform(const MlTensor& data) const
{
    if (!m_fitted) {
        throw std::runtime_error("MlScaler::transform – scaler has not been fitted.");
    }
 
    auto X = data.matrix();
 
    if (m_type == StandardScaler) {
        MatrixXf result = ((X.rowwise() - m_mean.transpose()).array().rowwise() / m_std.transpose().array()).matrix();
        return MlTensor(result);
    } else {
        MatrixXf result = ((X.rowwise() - m_min.transpose()).array().rowwise() / m_range.transpose().array()).matrix();
        return MlTensor(result);
    }
}
 
//=============================================================================================================
 
MlTensor MlScaler::fitTransform(const MlTensor& data)
{
    fit(data);
    return transform(data);
}
 
//=============================================================================================================
 
MlTensor MlScaler::inverseTransform(const MlTensor& data) const
{
    if (!m_fitted) {
        throw std::runtime_error("MlScaler::inverseTransform – scaler has not been fitted.");
    }
 
    auto X = data.matrix();
 
    if (m_type == StandardScaler) {
        MatrixXf result = ((X.array().rowwise() * m_std.transpose().array()).rowwise() + m_mean.transpose().array()).matrix();
        return MlTensor(result);
    } else {
        MatrixXf result = ((X.array().rowwise() * m_range.transpose().array()).rowwise() + m_min.transpose().array()).matrix();
        return MlTensor(result);
    }
}