机器学习算法基础——数据特征预处理
08.特征预处理-归一化
特征处理
通过特定的统计方法(数学方法)将数据转换成算法要求的数据
数值型数据:标准缩放:
- 归一化
- 标准化
- 缺失值
类别型数据:one-hot编码 时间类型:时间的切分
sklearn特征处理API
sklearn. preprocessing
归一化
特点:通过对原始数据进行变换把数据映射到(默认为[0,1])之间
公式: X′= (x−min)/(max−min) X′′=X′∗(mx−mi)+mi
注:作用于每一列,max为一列的最大值,min为一列的最小值,那么X’’ 为最终结果,mx,mi分别为指定区间值默认mx为1,mi为0
09.归一化以及标准化对比
sklearn归一化API
sklearn归一化API: sklearn.preprocessing.MinMaxScaler
MinMaxScaler语法
MinMaxScalar(feature_range=(0,1)…)
- 每个特征缩放到给定范围(默认[0,1])
MinMaxScalar.fit_transform(X)
- X:numpy array格式的数据[n_samples,n_features]
- 返回值:转换后的形状相同的array
import sklearn
from sklearn import feature_extraction
from sklearn.preprocessing import MinMaxScalerdef mm():mm = MinMaxScaler() #feature_range=()data = mm.fit_transform([[90,2,10,40],[60,4,15,45],[75,3,13,46]])print(data)return Nonemm()
[[1. 0. 0. 0. ][0. 1. 1. 0.83333333][0.5 0.5 0.6 1. ]]
问题:如果数据中异常点较多,会有什么影响?
归一化总结
注意在特定场景下最大值最小值是变化的,另外,最大值与最小值非常容易受异常点影响,所以这种方法鲁棒性较差,只适合传统精确小数据场景。
标准化
1、特点:通过对原始数据进行变换把数据变换到均值为0,方差为1范围内
异常值对标准化影响不大
对于归一化来说:如果出现异常点,影响了最大值和最小值,那么结果显然会发生改变
对于标准化来说:如果出现异常点,由于具有一定数据量,少量的异常点对于平均值的影响并不大,从而方差改变较小。
sklearn特征化API
sklearn特征化API: scikit-learn.preprocessing.StandardScaler
StandardScaler语法
StandardScaler(…) 处理之后每列来说所有数据都聚集在均值0附近方差为1
StandardScaler.fit_transform(X,y)
- X:numpy array格式的数据[n_samples,n_features]
- 返回值:转换后的形状相同的array
StandardScaler.mean_
- 原始数据中每列特征的平均值
StandardScaler.std_
- 原始数据每列特征的方差
10.标准化总结以及缺失值处理
在已有样本足够多的情况下比较稳定,适合现代嘈杂大数据场景
11.标准化总结以及缺失值处理
缺失值
1.
删除 |
如果每列或者行数据缺失值达到一定的比例,建议放弃整行或者整列 |
插补 |
可以通过缺失值每行或者每列的平均值、中位数来填充 |
2.sklearn缺失值API: sklearn.preprocessing.Imputer
Imputer语法
Imputer(missing_values='NaN', strategy='mean', axis=0)
- 完成缺失值插补
Imputer.fit_transform(X,y)
- X:numpy array格式的数据[n_samples,n_features]
- 返回值:转换后的形状相同的array
from sklearn.preprocessing import MinMaxScaler
from sklearn.impute import SimpleImputer
import numpy as npdef im():im = SimpleImputer(strategy="mean")data = im.fit_transform([[1, 2], [np.nan, 3], [7, 6]])print(data)return None
im()
[[1. 2.][4. 3.][7. 6.]]
机器学习算法基础——数据特征预处理相关推荐
- 机器学习算法基础——数据降维
12.数据的降维之特征选择 特征选择 冗余:部分特征的相关度高,容易消耗计算性能 噪声:部分特征对预测结果有负影响 特征选择就是单纯地从提取到的所有特征中选择部分特征作为训练集特征,特征在选择前和选择 ...
- 【机器学习】sklearn数据特征预处理:归一化和标准化
归一化处理 特点:通过对原始数据进行变换把数据映射到(默认为[0,1])之间 from sklearn.preprocessing import MinMaxScaler def mm():" ...
- 超级实用!如何为机器学习算法准备数据?
点击上方"AI有道",选择"星标"公众号 重磅干货,第一时间送达 本文为<Scikit-Learn 和 TensorFlow 机器学习指南>的第二章 ...
- ML之LightGBM:基于titanic数据集利用LightGBM和shap算法实现数据特征的可解释性(量化特征对模型贡献度得分)
ML之LightGBM:基于titanic数据集利用LightGBM和shap算法实现数据特征的可解释性(量化特征对模型贡献度得分) 目录 基于titanic数据集利用LightGBM和shap算法实 ...
- ML之FE:机器学习算法/数据挖掘中特征选取(变量筛选)的简介、常用方法(单变量分析并筛选—Filter/Wrapper/Embedded、多变量间相关性分析并筛选—PCC/MIC/IV)之详细攻略
ML之FE:机器学习算法/数据挖掘中特征选取(变量筛选)的简介.常用方法(单变量分析并筛选-Filter/Wrapper/Embedded.多变量间相关性分析并筛选-PCC/MIC/IV)之详细攻略 ...
- 机器学习-3.数据特征预处理与数据降维
特征预处理定义:通过特定的统计方法(数学方法)将数据转换成算法要求的数据. 处理方法 数值型数据:标准缩放(1.归一化,2.标准化):缺失值. 类别型数据:one-hot编码. 时间类型:时间的切分. ...
- 机器学习算法基础概念学习总结
转自:http://blog.csdn.net/lantian0802/article/details/38333479 1.基础概念: (1) 10折交叉验证:英文名是10-fold cross-v ...
- python必备基础代码-机器学习算法基础(使用Python代码)
介绍 谷歌的自动驾驶汽车和机器人受到了很多媒体的关注,但该公司真正的未来是在机器学习领域,这种技术能使计算机变得更聪明,更个性化.-Eric Schmidt(Google董事长) 我们可能生活在人类历 ...
- 机器学习算法基础(使用Python代码)
介绍 谷歌的自动驾驶汽车和机器人受到了很多媒体的关注,但该公司真正的未来是在机器学习领域,这种技术能使计算机变得更聪明,更个性化.-Eric Schmidt(Google董事长) 我们可能生活在人类历 ...
最新文章
- mongodb 关闭服务 mongod -f /root/mongodb/bin/xx.conf --shutdown
- mount windows目录
- Linux 更新vim
- 去除input填充颜色
- NAS 百科 —— http://baike.baidu.com/item/NAS%E7%BD%91%E7%BB%9C%E5%AD%98%E5%82%A8
- js判断时间跨度,以月数为单位
- 使用色彩追踪和形态学运算得到图像中感兴趣区域
- 《Java 7程序设计入门经典》一1.10 另一种数据类型
- 管壁式换热器cad图纸_各种换热器结构原理动态图,让你大开眼界!
- 一款好用的绘制组织结构图的软件-亿图组织结构图
- 【python】Windows系统中python解释器下载及安装过程
- 服务器配置Python环境全过程
- php theexcerpt,WordPress获取文章摘要函数the_excerpt、get_the_excerpt
- ESP32开发日志之AiThinkerIDE_V1.0使用过程中的一个问题
- mgo 的 session 与连接池
- oracle spa性能测试,9i升级到11g用SPA做性能测试
- 百度地图api html信息窗口,百度地图 javascript api自定义信息窗口
- **RL张力称重传感器及自动化中的应用**
- 中控百傲瑞达系统说明书_百傲瑞达一卡通系统.PDF
- 阿里云物联网平台专用工具详细说明
热门文章
- css 实现app图标样式_界面按钮样式丑?不可能!16款css实现炫酷按钮
- C语言函数到.h文件,求助C语言大佬 , 只会写到一个.c文件里 ,不会用.h头文件...
- 零基础java自学就业_java零基础到就业需要多长时间呢?
- 任务间共享资源问题总结
- win7设置开机后自动锁定计算机,Win7系统锁定计算机怎么设置 win7系统自动锁定...
- 后端 消息 转发_SAP PO 消息报文应用2例(永久保存SAP PO中间件消息之四)
- nc 模拟服务器_Go实战——实现一个并发时钟服务器
- oracle job如何执行存储过程,oracle定时执行存储过程的job
- oracle 查询各科前3名_2020年山东高校排行榜前3无悬念,山东理工大学省内第17全国250名...
- 吴良超 融合 cnn+lstm