3.数据预处理 Preprocessing Impute
这章本来只想看看就好,不敲代码的,因为不难,但代码敲到第四章发现还是用到了挺多第三章代码的,所以稳妥一点,还是不要眼高手低,把第三章代码补回来敲一敲吧。
————————————————————————分割线——————————————————————————
数据无量纲化
将不同规格的数据转换到同一规格,或不同分布的数据转换到某个特定分布的需求,这种需求统称为将数据“无量纲化”。
譬如梯度和矩阵为核心的算法中,如逻辑回归,支持向量机,神经 网络,无量纲化可以加快求解速度;而在距离类模型;
譬如K近邻,K-Means聚类中,无量纲化可以帮我们提升模 型精度,避免某一个取值范围特别大的特征对距离计算造成影响。
数据的无量纲化可以是线性的,也可以是非线性的。
线性的无量纲化包括中心化(Zero-centered或者Mean- subtraction)处理和缩放处理(Scale)。
中心化的本质是让所有记录减去一个固定值,即让数据样本数据平移到某个位置。
缩放的本质是通过除以一个固定值,将数据固定在某个范围之中。(取对数也算是一种缩放处理。)
实现归一化
当数据(x)按照最小值中心化后,再按极差(最大值 - 最小值)缩放,数据移动了最小值个单位,并且会被收敛到 [0,1]之间。
而这个过程,就叫做数据归一化(Normalization,又称Min-Max Scaling)
在sklearn当中,我们使用preprocessing.MinMaxScaler来实现这个功能。
MinMaxScaler有一个重要参数, feature_range,控制我们希望把数据压缩到的范围,默认是[0,1]。
MinMaxScaler的用法:
from sklearn.preprocessing import MinMaxScaler
data=[[-1,2],[-0.5,6],[0,10],[1,18]]
实现归一化:三步:
1 实例化
2 fit,在这里本质是生成min(x)和max(x)
3 通过接口导出结果scaler=MinMaxScaler()
scaler=scaler.fit(data)
result=scaler.transform(data)
result# 以上代码也可以一步达成
result_=scaler.fit_transform(data)
result# 将归一化后的结果逆转
scaler.inverse_transform(result)#使用MinMaxScaler的参数feature_range实现将数据归一化到[0,1]以外的范围中
data = [[-1, 2], [-0.5, 6], [0, 10], [1, 18]]
scaler = MinMaxScaler(feature_range=[5,10]) #依然实例化
result = scaler.fit_transform(data) #fit_transform一步导出结果
result# 当X中的特征数量非常多的时候,fit会报错并表示,数据量太大了计算不了
#此时使用partial_fit作为训练接口
#scaler = scaler.partial_fit(data)
实现标准化
当数据(x)按均值(μ)中心化后,再按标准差(σ)缩放,数据就会服从为均值为0,方差为1的正态分布(即标准正态分布)。
而这个过程,就叫做数据标准化(Standardization,又称Z-score normalization)
StandardScaler的用法:
from sklearn.preprocessing import StandardScaler
data = [[-1, 2], [-0.5, 6], [0, 10], [1, 18]]scaler = StandardScaler() #实例化
scaler.fit(data) #fit,本质是生成均值和方差
scaler.mean_ #查看均值的属性mean_
scaler.var_ #查看方差的属性var_
x_std = scaler.transform(data) #通过接口导出结果 x_std.mean() #导出的结果是一个数组,用mean()查看均值
x_std.std() #用std()查看方差 #以上代码可以使用fit_transform(data)一步达成结果:
scaler.fit_transform(data) #使用inverse_transform逆转标准化:
scaler.inverse_transform(x_std)
StandardScaler和MinMaxScaler选哪个?
大多数机器学习算法中,会选择StandardScaler来进行特征缩放,因为MinMaxScaler对异常值非常敏感。
在PCA,聚类,逻辑回归,支持向量机,神经网络这些算法中,StandardScaler往往是最好的选择。
建议先试试看StandardScaler,效果不好换MinMaxScaler。
3.数据预处理 Preprocessing Impute相关推荐
- 数据预处理2: impute.SimpleImputer来填补缺失值
import numpy as np import pandas as pd import matplotlib.pyplot as plt data = pd.read_csv("trai ...
- sklearn 神经网络_sklearn中的数据预处理和特征工程
小伙伴们大家好~o( ̄▽ ̄)ブ,今天我们看一下Sklearn中的数据预处理和特征工程,老规矩还是先强调一下,我的开发环境是Jupyter lab,所用的库和版本大家参考: Python 3.7.1(你 ...
- sklearn中eof报错_sklearn中的数据预处理和特征工程
小伙伴们大家好~o( ̄▽ ̄)ブ,今天我们看一下Sklearn中的数据预处理和特征工程,老规矩还是先强调一下,我的开发环境是Jupyter lab,所用的库和版本大家参考: Python 3.7.1(你 ...
- sklearn实战-----3.数据预处理和特征工程
1 概述 1.1 数据预处理与特征工程 想象一下未来美好的一天,你学完了菜菜的课程,成为一个精通各种算法和调参调库的数据挖掘工程师了.某一天 你从你的同事,一位药物研究人员那里,得到了一份病人临床表现 ...
- 使用Sklearn库学习数据预处理和特征工程
目录 1,概述 1.1,数据预处理和特征工程 1.2,sklearn中的数据预处理和特征工程 2,数据预处理 Preprocessing & Impute 2.1,数据无量纲化 2.2,缺失值 ...
- pandas用众数填充缺失值_sklearn中的数据预处理和特征工程
小伙伴们大家好~o()ブ,我是菜菜,我的开发环境是Jupyter lab,所用的库和版本大家参考: Python 3.7.1(你的版本至少要3.4以上 Scikit-learn 0.20.0 (你的版 ...
- sklearn_数据预处理和特征工程
转载自:菜菜的sklearn课堂 文章目录 1 概述 1.1 数据预处理与特征工程 1.2 sklearn中的数据预处理和特征工程 2 数据预处理 Preprocessing & Impute ...
- 数据预处理工具_数据预处理
数据预处理工具 As the title states this is the last project from Udacity Nanodegree. The goal of this proje ...
- [机器学习与scikit-learn-8]:数据预处理-1-意义与概述
作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客 本文网址:https://blog.csdn.net/HiWangWenBing/article/detai ...
最新文章
- C++IO流,istream status(状态位),cout,cin,if(非fs)/while(cin)【C++IO流】(58)
- 'ascii' codec can't encode characters in position 20-24:ordinal not in range(128)报错根本解决办法
- TNS-03505 oracle用户可以tnsping通,普通用户tnsping报错
- js实现shallowReactive和reactive
- 五子棋项目结束总结_居家活动系列总结
- 数据库备份checksum选项你会用么?
- 阿里巴巴数据库分库分表的最佳实践
- webpack-工程化工具
- Unity3D 渲染管线全流程解析
- Windows下删除文件夹提示找不到该项目,请确认该项目的位置,然后重试。
- 计算机网络的三个基本拓扑结构类型,计算机网络拓扑结构的分类
- React Fullpage
- 字幕时间轴制作(2)
- 【历史上的今天】3 月 11 日:谷歌推出 Google Voice;互联网先驱诞生日;Foursquare 上线
- 品千秋之遗迹, 叹万世之须臾
- (亲自整理)如何让你的C盘立马多出来20G空间
- java syn包_月薪3K的后端面试点-网络与Java
- 【Hawk】高级教程——post参数采集万方医学网论文
- 邮箱发送验证码工具类
- 设计模式(Java)----装饰模式Decorator