数据预处理
来源:互联网 发布:人工智能的现状 编辑:程序博客网 时间:2024/06/05 11:09
转载请注明出处:http://blog.csdn.net/u012162613/article/details/50629115
===========
常见的数据预处理方法,以下通过sklearn的preprocessing模块来介绍;
1. 标准化(Standardization or Mean Removal and Variance Scaling)
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。
- 1
- 1
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
- 1
- 2
- 3
- 1
- 2
- 3
实际应用中,需要做特征标准化的常见情景:SVM
2. 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)
- 1
- 2
- 1
- 2
3.规范化(Normalization)
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
将每个样本变换成unit norm。
- 1
- 2
- 1
- 2
得到:
- 1
- 1
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
4. 特征二值化(Binarization)
给定阈值,将特征转换为0/1
- 1
- 2
- 1
- 2
5. 标签二值化(Label binarization)
- 1
- 1
6. 类别特征编码
有时候特征是类别型的,而一些算法的输入必须是数值型,此时需要对其编码。
- 1
- 2
- 3
- 1
- 2
- 3
上面这个例子,第一维特征有两种值0和1,用两位去编码。第二维用三位,第三维用四位。
7.标签编码(Label encoding)
- 1
- 2
- 3
- 4
- 5
- 6
- 1
- 2
- 3
- 4
- 5
- 6
8.特征中含异常值时
- 1
- 2
- 1
- 2
9.生成多项式特征
这个其实涉及到特征工程了,多项式特征/交叉特征。
- 1
- 2
- 1
- 2
原始特征:
转化后:
参考文献:
- http://scikit-learn.org/stable/modules/preprocessing.html
- 《机器学习》 周志华
- 数据预处理
- 数据预处理
- 数据预处理
- 数据预处理
- 数据预处理
- 数据预处理
- 数据预处理
- 数据预处理
- 数据预处理
- 数据预处理
- 数据预处理
- 数据预处理
- 数据预处理
- 数据预处理
- 数据预处理
- 数据预处理
- 数据预处理
- 数据预处理
- 从数据库动态添加数据到下拉框(select)中
- java语言基础(44)——不同包下类之间的访问及import关键字的引入
- 使用Servlet API对象作为入参
- Python下emqtt服务的简单搭建
- haproxy tcp模式案例
- 数据预处理
- Android支付宝输入密码界面
- 利用阿里云快速安装最新版docker和加速docker pull
- hihoCoder 1043 完全背包
- html背景图url应用图标自适应元素宽高
- 获取CSS属性
- editplus配置编译环境
- Sublime Text 3中文乱码问题解决(最新)
- [IMWeb训练营作业] Vue.js 仿今日头条