数据预处理 - 归一化/标准化/正则化
2016-03-15 20:35
537 查看
http://www.bubuko.com/infodetail-557740.html
将数据按期属性(按列进行)减去其均值,并处以其方差。得到的结果是,对于每个属性/每列来说所有数据都聚集在0附近,方差为1。
实现时,有两种不同的方式:
使用sklearn.preprocessing.scale()函数,可以直接将给定数据进行标准化。
使用sklearn.preprocessing.StandardScaler类,使用该类的好处在于可以保存训练集中的参数(均值、方差)直接使用其对象转换测试集数据。
使用这种方法的目的包括:
1、对于方差非常小的属性可以增强其稳定性。
2、维持稀疏矩阵中为0的条目。
当然,在构造类对象的时候也可以直接指定最大最小值的范围:feature_range=(min, max),此时应用的公式变为:
X_std=(X-X.min(axis=0))/(X.max(axis=0)-X.min(axis=0))
X_scaled=X_std/(max-min)+min
Normalization主要思想是对每个样本计算其p-范数,然后对该样本中每个元素除以该范数,这样处理的结果是使得每个处理后样本的p-范数(l1-norm,l2-norm)等于1。
p-范数的计算公式:||X||p=(|x1|^p+|x2|^p+...+|xn|^p)^1/p
该方法主要应用于文本分类和聚类中。例如,对于两个TF-IDF向量的l2-norm进行点积,就可以得到这两个向量的余弦相似性。
1、可以使用preprocessing.normalize()函数对指定数据进行转换:
2、可以使用processing.Normalizer()类实现对训练集和测试集的拟合和转换:
补充:
[Scikit-Learn]
- 数据预处理 - 归一化/标准化/正则化
标签:class src 使用 com log html http 数据 si
原文:http://www.cnblogs.com/viviancc/p/4199476.html
一、标准化(Z-Score),或者去除均值和方差缩放
公式为:(X-mean)/std 计算时对每个属性/每列分别进行。将数据按期属性(按列进行)减去其均值,并处以其方差。得到的结果是,对于每个属性/每列来说所有数据都聚集在0附近,方差为1。
实现时,有两种不同的方式:
使用sklearn.preprocessing.scale()函数,可以直接将给定数据进行标准化。
二、将属性缩放到一个指定范围
除了上述介绍的方法之外,另一种常用的方法是将属性缩放到一个指定的最大和最小值(通常是1-0)之间,这可以通过preprocessing.MinMaxScaler类实现。使用这种方法的目的包括:
1、对于方差非常小的属性可以增强其稳定性。
2、维持稀疏矩阵中为0的条目。
X_std=(X-X.min(axis=0))/(X.max(axis=0)-X.min(axis=0))
X_scaled=X_std/(max-min)+min
三、正则化(Normalization)
正则化的过程是将每个样本缩放到单位范数(每个样本的范数为1),如果后面要使用如二次型(点积)或者其它核方法计算两个样本之间的相似性这个方法会很有用。Normalization主要思想是对每个样本计算其p-范数,然后对该样本中每个元素除以该范数,这样处理的结果是使得每个处理后样本的p-范数(l1-norm,l2-norm)等于1。
p-范数的计算公式:||X||p=(|x1|^p+|x2|^p+...+|xn|^p)^1/p
该方法主要应用于文本分类和聚类中。例如,对于两个TF-IDF向量的l2-norm进行点积,就可以得到这两个向量的余弦相似性。
1、可以使用preprocessing.normalize()函数对指定数据进行转换:
[Scikit-Learn]
- 数据预处理 - 归一化/标准化/正则化
标签:class src 使用 com log html http 数据 si
原文:http://www.cnblogs.com/viviancc/p/4199476.html
相关文章推荐
- 64位Win2008_VS2012使用ODP.NET遭遇问题和解决办法
- 《Linux内核分析与设计实现》读书笔记一
- 四则运算
- 重写和重载
- 机房收费系统遇到的问题(一) datagridview一次性移除多行选中数据,同时删除数据库数据
- LintCode 197. 排列序号
- 【机器学习-斯坦福】因子分析(Factor Analysis)
- 从剪切板粘贴图片上传
- spring学习的java基础--Java反射
- 每天一个linux命令(41):ps命令
- [技术讨论]问:如何做最有效的敏捷版本度量?
- 从NSTimer的失效性谈起(二):关于GCD Timer和libdispatch
- 华为手机(P6s)logcat无法正常打印输出信息解决方案
- memached+asp.net 4.0 分布式缓存
- IOS逆向【5】GDB调试helloworld
- C#版三层登录
- YTU 2391: 求素数
- 解决64位进程调用32位库文件报错问题
- 单例模式
- Java代码分析器(一): JDT入门