机器学习之数据变换——基于Scikit-Learn

《Python机器学习基础教程》笔记

一些算法，例如神经网络和SVM对数据缩放非常敏感，因此，通常的做法是对特征进行调节，使数据表示更适合于这些算法。Scikit-Learn中有4中数据变换方法，分别为：

1.StandardScaler：确保每个特征的平均值为0，方差为1，使所有特征都位于同一量级。

2.RobustScaler：工作原理与StandardScaler类似，但RobustScaler使用的是中位数和四分位数。

3.MinMaxScale：计算每个特征的范围（最大值 - 最小值），移动数据，使所有特征都刚好位于0到1之间。

4.Normalizer：将数据点投影到半径为1的圆上。

随便写两行代码示例一下用法：

scaler = MinMaxScaler()
X_scaled = scaler.transform(X)

这里用的是MinMaxScale方法，如果要用其他几种，则将MinMaxScale改为需要的缩放方式即可，如下：

scaler = StandardScaler()
scaler = RobustScaler()
scaler = Normalizer()

需要注意的是，使用MinMaxScale变换时，能保证训练集缩放到0到1之间，但测试集不一定在此范围。因为最小值和最大值是根据训练集定的，测试集的某些数据可能在此范围外。