python中常用的九种预处理方法
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;
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
1
2
3
|
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)
1
2
|
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。
将每个样本变换成unit norm。
1
2
|
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
1
2
|
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。
1
2
3
|
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
1
|
newdf = pd.get_dummies(df,columns = [ "gender" , "title" ],dummy_na = True )
|
7.标签编码(Label encoding)
1
2
3
4
5
6
|
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。
1
2
|
poly = sklearn.preprocessing.PolynomialFeatures( 2 )
poly.fit_transform(X)
|
原始特征:
转化后:
总结
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。
转载于:https://www.cnblogs.com/lantingg/p/8176526.html
python中常用的九种预处理方法相关推荐
- python数据预处理的方法_python中常用的九种数据预处理方法
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; 1. 标准化(Standardizat ...
- python list方法说明_对python中list的五种查找方法说明
Python中是有查找功能的,五种方式:in.not in.count.index,find 前两种方法是保留字,后两种方式是列表的方法. 下面以a_list = ['a','b','c','hell ...
- python list find函数_对python中list的五种查找方法说明
Python中是有查找功能的,五种方式:in.not in.count.index,find 前两种方法是保留字,后两种方式是列表的方法. 下面以a_list = ['a','b','c','hell ...
- 【思维导图】Python中常用的8种字符串操作
文章末尾获取思维导图高清源文件 拼接字符串 使用"+"可以对多个字符串进行拼接 语法格式:str1 + str2 >>> str1 = "aaa&quo ...
- Python 中浅拷贝的四种实现方法
方式一:使用切片 [:] 列表 # 浅拷贝 [:] old_list = [1, 2, [3, 4]] new_list = old_list[:]old_list.append(5) old_lis ...
- PHP调试中常用的几种输出方法
PHP开发中,经常会查看变量的值,因此经常会将变量的值输出到页面以便于查看. 常用的输出方式有:echo .print .print_r .var_dump .var_exprot 等: echo和p ...
- Java 开发中常用的 4 种加密方法。MD5加密工具类测试 base64加密工具类测试 SHA加密工具类测试 BCrypt加密工具类测试
一.工具类 1, md5加密工具类 2, base64加密工具类 3, Bcrypt工具类 二.加密测试 MD5加密测试 base64加密测试 SHA加密测试 BCrypt加密测试 一.工具类 1, ...
- ios开发中常用的几种辅助方法
//1.Keychain本地长期键值存储 //删除 +(void)deleteStringForKey:(NSString *)aKey {NSMutableDictionary *query = [ ...
- Python中的数据可视化工具与方法——常用的数据分析包numpy、pandas、statistics的理解实现和可视化工具matplotlib的使用
Python中的数据可视化工具与方法 本文主要总结了: 1.本人在初学python时对常用的数据分析包numpy.pandas.statistics的学习理解以及简单的实例实现 2.可视化工具matp ...
最新文章
- 广东科技学院专插本c语言考卷_广东科技学院第二届红色文化节之红色影视经典配音大赛决赛...
- 详解微服务技术中进程间通信
- 编译Hadoop源码
- Spring MVC不要在@Service bean中保存状态
- 程序设计基础(c语言),程序设计基础(C语言)
- 连招 横版 flash 游戏_街机游戏中的无限连究竟有多变态?有种对决叫作没开始就结束了!...
- 矢量合成和分解的法则_力的合成与分解
- Android Glide图片加载框架(四)回调与监听
- Tomcat源代码解析系列
- python数组切片赋值_基于numpy中数组元素的切片复制方法
- C Tricks(一)—— 一维数组变二维数组
- mifi随身wifi选购
- 解决:WPS文字行末是英文单词时自动换行问题
- 用计算机如何绘制流程图,电脑上怎么绘制流程图?电脑小白也能学会的流程图制作方法...
- win10将用户文件夹改为英文
- Linux中shell编程——编写shell脚本,实现功能:在用户输入年、月后自动打印出对应年月的日
- 小虎电商浏览器:拼多多怎么看单品实时数据
- 【前端】——HTML5基础知识(小白教程)
- Java虚拟机--Java虚拟机栈
- Linux学习笔记35——特定权限设置(比group、user更细的设置)、身份切换(su、sudo)、密码验证过程详解(PAM)、批量创建用户