您的位置：首页 > 其它

sklearn中的数据预处理——标准化\最小-最大规范化\特征标签二值化\异常值\标签编码等

2017-07-17 20:15 1226 查看

详细见：详见http://d0evi1.com/sklearn/preprocessing/

标准化

变换后各维特征有0均值，单位方差。也叫z-score规范化（零均值规范化）。计算方式是将特征值减去均值，除以标准差。

from sklearn.preprocessing import scale

X = np.array([[ 1., -1., 2.],[ 2., 0., 0.],[ 0., 1., -1.]])

scale(X)

一般会把train和test集放在一起做标准化，或者在train集上做标准化后，用同样的标准化器去标准化test集，此时可以用scaler

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler().fit(train)

scaler.transform(train)

scaler.transform(test)

最小-最大规范化

最小-最大规范化对原始数据进行线性变换，变换到[0,1]区间（也可以是其他固定最小最大值的区间）

min_max_scaler = sklearn.preprocessing.MinMaxScaler()

min_max_scaler.fit_transform(X_train)

规范化:正则化

规范化是将不同变化范围的值映射到相同的固定范围，常见的是[0,1]，此时也称为归一化。《机器学习》周志华

X = [[ 1, -1, 2],[ 2, 0, 0], [ 0, 1, -1]]

sklearn.preprocessing.normalize(X, norm='l2')

array([[ 0.40, -0.40, 0.81], [ 1, 0, 0], [ 0, 0.70, -0.70]])

可以发现对于每一个样本都有，0.4^2+0.4^2+0.81^2=1,这就是L2 norm，变换后每个样本的各维特征的平方和为1。类似地，L1 norm则是变换后每个样本的各维特征的绝对值和为1。还有max norm，则是将每个样本的各维特征除以该样本各维特征的最大值。
在度量样本之间相似性时，如果使用的是二次型kernel，需要做Normalization

特征二值化

给定阈值，将特征转换为0/1

binarizer = sklearn.preprocessing.Binarizer(threshold=1.1)

binarizer.transform(X)

标签二值化

from sklearn import preprocessing

lb = preprocessing.LabelBinarizer()

lb.fit([1, 2, 6, 4, 2])

lb.classes_

array([1, 2, 4, 6])

lb.transform([1, 6])#必须[1, 2, 6, 4, 2]里面

array([[1, 0, 0, 0],

[0, 0, 0, 1]])

类别特征编码

标签编码

含有异常值

sklearn.preprocessing.robust_scale

生成多项式

原始特征

转化后

poly = sklearn.preprocessing.PolynomialFeatures(2)

poly.fit_transform(X)

http://shujuren.org/article/234.html

内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理

标签：

相关文章推荐

新的分享

章节导航