机器学习训练营——机器学习爱好者的自由交流空间（入群联系qq：2279055353）

scikit-learn提供了一个数据变换库，可以实现清洗、缩减、扩展或产生特征表示。类似其它估计量，这些都由具有fit方法的类表示。fit方法从训练集学习模型参数（例如均值和标准差），transform方法应用这个变换模型到未知数据上。而fit_transform方法可以更方便高效地同时建模和变换训练数据。

管道：链式估计量

Pipeline能够把多个估计量链成一个。当预处理数据存在一个固定的步骤顺序时，例如，特征选择、归一化、分类，它是有用的。Pipeline服务于两个目的：

便利和打包

只需在你的数据上调用一次fit, predict, 就可以拟合整个估计过程。

联合参数选择

你可以在pipeline里立即grid search所有估计量的参数。

除了最后一个，在pipeline里的所有估计量，都必须被变换（即，必须有一个transform方法），最后的估计量可以是任何类型的（transformer, classifier等）。

使用方法

使用一个(key, value)对列表创建pipeline, 在这里key是一个字符串，表示你想要的步骤名字，value是一个估计量对象。

工具函数make_pipeline是pipeline的快速创建法，它取的估计量数是可变的，返回一个pipeline, 自动填充名字。

一个pipeline的估计量作为列表存储在steps属性里。

作为一个字典存储在named_steps属性里。

使用<estimator>__<parameter>语法访问估计量的参数。

特征联合：组合的特征空间

FeatureUnion组合几个变换对象成为一个新的变换。一个FeatureUnion取一个变换对象列表。在拟合期间，每个对象被数据单独拟合。出于变换数据的目的，这些变换是并行的，它们输出的样本向量按端到端的方式连成一个更大的向量。FeatureUnion和Pipeline组合可以实现更复杂的模型。

使用方法

使用(key, value)对形式的列表创建一个FeatureUnion, key是变换名（一个字符串），value是一个估计量对象。

像pipeline一样，特征组合也有一个快速创建函数make_union, 它不需要明确命名成分。同样，使用set_params, 各个步骤也可以被替代，设置为None则可以忽略。

精彩内容，请关注微信公众号：统计学习与大数据

【sklearn第四讲】数据集变换相关推荐

sklearn数据集变换
一.数据集变换步骤 sklearn中的transformer类,有fit和transform函数二.Pipline(管道机制) 1. Pipline方法 Pipline将多个estimator级联成 ...
视觉SLAM十四讲学习笔记---前三讲学习笔记总结之SLAM的作用、变换和位姿表示
经过半年学习SLAM相关知识,对SLAM系统有了一些新的认识,故回看以前的学习记录,做总结和校正. 前三讲学习笔记如下: 视觉SLAM十四讲学习笔记-第一讲_goldqiu的博客-CSDN博客视觉S ...
【slam十四讲第二版】【课本例题代码向】【第九讲~后端Ⅰ】【安装Meshlab】【BAL数据集格式】【ceres求解BA】【g2o求解BA】
[slam十四讲第二版][课本例题代码向][第九讲~后端Ⅰ][安装Meshlab][BAL数据集格式][ceres求解BA][g2o求解BA] 0 前言 1 安装Meshlab: 三维几何网格处理 2 ...
深蓝视觉SLAM课程第四讲--相机模型，非线性优化（G2O）
课程Github地址:https://github.com/wrk666/VSLAM-Course/tree/master 0. 内容对应于十四讲中的第5讲和第6讲回顾十四讲P24-26 1. 针 ...
slam十四讲 _直接法
视觉里程计直接法是视觉里程计另一主要分支,它与特征点法有很大不同.虽然它还没有成为现在 VO 中的主流,但经过近几年的发展,直接法在一定程度上已经能和特征点法平分秋色. 特征点法的缺点: 关键点的 ...
视觉 SLAM 十四讲 —— 第十三讲建图
视觉 SLAM 十四讲 -- 第十三讲建图在前端和后端中,我们重点关注同时估计相机运动轨迹与特征点空间位置的问题.然而,在实际使用 SLAM 时,除了对相机本体进行定位之外,还存在许多其他的需求. ...
SLAM十四讲-个人总结
简单来说,slam最主要的内容就是优化理论,利用最小二乘法(牛顿高斯,LM等),在g2o或者ceres库的基础上做BA优化或者位姿图. 1.三维空间的刚体运动三维空间中刚体的运动可以通过旋转矩阵,旋 ...
《视觉SLAM十四讲第二版》笔记及课后习题（第七讲）
读书笔记:视觉里程计1 之前的内容,介绍了运动方程和观测方程的具体形式,并讲解了以非线性优化为主的求解方法.从本讲开始,我们结束了基础知识的铺垫,开始步入正题:按照第二讲的内容,分别介绍视觉里程计.优 ...
SLAM十四讲笔记1
文章目录 ch02 初识SLAM ch02-01 经典视觉SLAM框架 ch02-02 SLAM问题的数学表述 ch03 三维空间刚体运动 ch03.01 旋转矩阵:点和向量,坐标系 01 向量a在线 ...
[概统]本科二年级概率论与数理统计第四讲连续型随机变量
[概统]本科二年级概率论与数理统计第四讲连续型随机变量连续型随机变量的基本概念均匀分布指数分布正态分布推导正态分布的密度(de Moivre-Laplace定理) 标准正态分布一般的 ...

【sklearn第四讲】数据集变换

管道：链式估计量

使用方法

特征联合：组合的特征空间

使用方法

【sklearn第四讲】数据集变换相关推荐

最新文章

热门文章