标签：切分   对象   机器学习   图片   mamicode   初识   特征   info   numpy   

1. sklearn数据特征预处理

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

类别型数据：

• one-hot编码

时间类型：

• 时间的切分

sklearn特征处理的API为：sklearn.preprocessing。

1.1 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：

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。

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

from sklearn.preprocessing import MinMaxScaler

def mm():
    """
    归一化处理
    :return: NOne
    """
    mm = MinMaxScaler(feature_range=(2, 3))

    data = mm.fit_transform([[90,2,10,40],[60,4,15,45],[75,3,13,46]])

    print(data)

    return None

if __name__ == "__main__":
    mm()

运行结果：

1.2 归一化案例：约会对象数据

相亲约会对象数据，这个样本时男士的数据，三个特征，玩游戏所消耗时间的百分比、每年获得的飞行常客里程数、每周消费的冰淇淋公升数。然后有一个所属类别，被女士评价的三个类别，不喜欢didnt、魅力一般small、极具魅力large也许也就是说飞行里程数对于结算结果或者说相亲结果影响较大，但是统计的人觉得这三个特征同等重要。

这时候我们就需要进行归一化处理了。 

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。

1.3 标准化

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。

公式：

注：作用于每一列，mean为平均值，??为标准差(考量数据的稳定性)

std成为方差：

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：scikit-learn.preprocessing.StandardScaler。

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

from sklearn.preprocessing import StandardScaler

def stand():
    """
    标准化缩放
    :return:
    """
    std = StandardScaler()

    data = std.fit_transform([[ 1., -1., 3.],[ 2., 4., 2.],[ 4., 6., -1.]])

    print(data)

    return None

if __name__ == "__main__":
    stand()

运行结果：

 可以通过缺失值每行或者每列的平均值、中位数来填充。

初识人工智能(二):机器学习(二):sklearn数据特征预处理

标签：切分   对象   机器学习   图片   mamicode   初识   特征   info   numpy   

原文地址：https://www.cnblogs.com/liuhui0308/p/12687055.html