python数据预处理
来源:互联网 发布:my little pony 知乎 编辑:程序博客网 时间:2024/06/07 21:54
转载自http://blog.csdn.net/bryan__/article/details/51228971
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
sklearn.preprocessing.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
123
scaler = sklearn.preprocessing.StandardScaler().fit(train)scaler.transform(train)scaler.transform(test)
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)
12
min_max_scaler = sklearn.preprocessing.MinMaxScaler()min_max_scaler.fit_transform(X_train)
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。
12
X = [[ 1, -1, 2],[ 2, 0, 0], [ 0, 1, -1]]sklearn.preprocessing.normalize(X, norm='l2')
得到:
1
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
4. 特征二值化(Binarization)
给定阈值,将特征转换为0/1
12
binarizer = sklearn.preprocessing.Binarizer(threshold=1.1)binarizer.transform(X)
5. 标签二值化(Label binarization)
1
lb = sklearn.preprocessing.LabelBinarizer()
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。
123
enc = preprocessing.OneHotEncoder()enc.fit([[0, 0, 3], [1, 1, 0], [0, 2, 1], [1, 0, 2]])enc.transform([[0, 1, 3]]).toarray() #array([[ 1., 0., 0., 1., 0., 0., 0., 0., 1.]])
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。
另一种编码方式
7.标签编码(Label encoding)
123456
le = sklearn.preprocessing.LabelEncoder() le.fit([1, 2, 2, 6]) le.transform([1, 1, 2, 6]) #array([0, 0, 1, 2]) #非数值型转化为数值型le.fit(["paris", "paris", "tokyo", "amsterdam"])le.transform(["tokyo", "tokyo", "paris"]) #array([2, 2, 1])
8.特征中含异常值时
1
sklearn.preprocessing.robust_scale
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。
12
poly = sklearn.preprocessing.PolynomialFeatures(2)poly.fit_transform(X)
原始特征:
转化后:
0 0
- python数据预处理练习
- python数据预处理
- Python数据预处理概述
- python数据预处理练习
- python 数据预处理 数据标准化
- python 数据预处理 数据抽样
- Python数据预处理常用函数
- Python-Pandas(3)数据预处理
- Python数据获取和预处理
- 数据预处理的python实现
- python数据预处理之数据清洗
- python . 数据分析1 数据的预处理
- Python数据预处理:缺失值替换
- Python笔记-数据探索和预处理
- 利用python Pandas进行数据预处理
- python中常见的数据预处理方法
- python实现数据预处理之箱光滑
- 利用Python Pandas进行数据预处理-数据清洗
- Best Time to Buy and Sell Stock with Cooldown
- 推荐几个程序设计竞赛网站
- ubuntu16.04安装mysql
- markdown
- android那些事--点阵显示内部分析
- python数据预处理
- Java 原码、反码、补码详解
- Makefile:2:*** missing separator. Stop
- springMVC 自定义类型转换器
- centos 7 install xfce
- ***P381
- Java-6.2-接口回调
- Build and Install a PERL module
- 机器学习笔记(十六)——EM算法概述