源码网商城,靠谱的源码在线交易网站 我的订单 购物车 帮助

源码网商城

python中常用的九种预处理方法分享

  • 时间:2020-04-20 03:30 编辑: 来源: 阅读:
  • 扫一扫,手机访问
摘要:python中常用的九种预处理方法分享
本文总结的是我们大家在python中常见的数据预处理方法,以下通过sklearn的preprocessing模块来介绍; [b]1. 标准化(Standardization or Mean Removal and Variance Scaling)[/b] 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。
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
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 [b]2. 最小-最大规范化[/b] 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)
[b]3.规范化(Normalization)[/b] 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。 将每个样本变换成unit norm。
X = [[ 1, -1, 2],[ 2, 0, 0], [ 0, 1, -1]]
sklearn.preprocessing.normalize(X, norm='l2')
得到:
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 [b]4. 特征二值化(Binarization)[/b] 给定阈值,将特征转换为0/1
binarizer = sklearn.preprocessing.Binarizer(threshold=1.1)
binarizer.transform(X)
[b]5. 标签二值化(Label binarization)[/b]
lb = sklearn.preprocessing.LabelBinarizer()
[b]6. 类别特征编码[/b] 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。
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
newdf=pd.get_dummies(df,columns=["gender","title"],dummy_na=True) 
[b]7.标签编码(Label encoding)[/b]
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])
[b]8.特征中含异常值时[/b]
sklearn.preprocessing.robust_scale
[b]9.生成多项式特征[/b] 这个其实涉及到特征工程了,多项式特征/交叉特征。
poly = sklearn.preprocessing.PolynomialFeatures(2)
poly.fit_transform(X)
原始特征:[img]http://files.jb51.net/file_images/article/201609/2016911110859005.png?201681111927[/img] 转化后:[img]http://files.jb51.net/file_images/article/201609/2016911110950652.png?201681111100[/img] [b]总结[/b] 以上就是为大家总结的python中常用的九种预处理方法分享,希望这篇文章对大家学习或者使用python能有一定的帮助,如果有疑问大家可以留言交流。
  • 全部评论(0)
联系客服
客服电话:
400-000-3129
微信版

扫一扫进微信版
返回顶部