数据变换方法: 初值化、均值化、百分比/倍数变换、归一化、极差最大值化、区间值化： MinMaxScaler、StandardScaler、MaxAbsScaler

最新推荐文章于 2022-10-24 09:29:06 发布

wamg潇潇

最新推荐文章于 2022-10-24 09:29:06 发布

阅读量2.1w

点赞数 15

分类专栏：概率论与数理统计 python机器学习 matlab数学建模概率论与数理统计

本文链接：https://blog.csdn.net/qq_29831163/article/details/89420223

版权

matlab数学建模同时被 3 个专栏收录

109 篇文章 1198 订阅

订阅专栏

python机器学习

29 篇文章 54 订阅

订阅专栏

概率论与数理统计

9 篇文章 16 订阅

订阅专栏

1. matlab 的mapminmax归一化函数

对于python中的axis=0 和axis=1的问题

2. python的sklearn中 scale函数

1 标准化，均值去除和按方差比例缩放 StandardScaler

2 将数据特征缩放至某一范围(scalingfeatures to a range)

2.1 MinMaxScaler (最小最大值标准化) MinMaxScaler的实现

2.2 MaxAbsScaler（绝对值最大标准化）

特征归一化，又叫 特征缩放，Feature Normalization，Feature Scaling。各特征由于数值大小范围不一致，通过缩放特征的取值范围，可以消除量纲，使特征具有可比性。只有各特征之间的大小范围一致，才能使用距离度量等算法，加速梯度下降算法的收敛；在SVM算法中，一致化的特征能加速寻找支持向量的时间；不同的机器学习算法，能接受的输入数值范围不一样。sklearn中最常用的特征归一化方法是MinMaxScaler和StandardScaler。

当我们需要将特征值都归一化为某个范围[a,b]时，选 MinMaxScaler
当我们需要归一化后的特征值均值为0，标准差为1，选 StandardScaler

数据变换的目的：

对收集来的原始数据必须进行数据变换和处理，主要是为了消除量纲，使其具有可比性。

定义：设有n个数据的序列 $\small x=\left ( x_{1} \, , x_{2} \,, \cdots , x_{n} \, \right )$ ，则称映射

$\small f\: :\: x\rightarrow y \\ f\left ( x_{k} \right ) =y_{k} ,k=1,2,...,n$

为序列 x到序列 y 的数据变换。

数据变换的七种常见方式

此处是对同一维度上的各个数据进行变换，如果数据有多个维度/属性，那就拆开来一个属性属性地变换，写成矩阵形式时，它也是分别对各维度进行操作。

初值化变换

$\small f\left ( x_{k} \right )=\frac{x_{k}}{x_{1}}=y_{k}\, , x_{1}\neq 0$

也就是要对每一个数据，都除以第一个数据。

均值化变换

$\small f\left ( x_{k} \right )=\frac{x_{k}}{\bar{x}}=y_{k}\, , \bar {x} = \frac{1}{n}\sum_{k=1}^{n}x_{k}$

对每一个数据，都除以均值。

百分比变换

$\small f\left ( x_{k} \right )=\frac{x_{k}}{\textup{max}\, _{k}\, \left \{ x_{k} \right \}}=y_{k} \:$

分母为x的该列属性中，值最大的那一个，使得变换后的值的绝对值，在[0,1]之间。

倍数变换

$\small f\left ( x_{k} \right )=\frac{x_{k}}{\textup{min}\, _{k}\, \left \{ x_{k} \right \}}=y_{k} \: , \textup{min}\, _{k}\: \left \{ x_{k} \right \}\neq 0$

归一化变换

$\small f\left ( x_{k} \right )=\frac{x_{k}}{x_{0}}=y_{k}$

其中 $\small x_{0}$ 为大于零的某个值，称 $\small f$ 是归一化变换。

极差最大值化变换

$\small f\left ( x_{k} \right )=\frac{x_{k}-\textup{min}\, _{k}\: \left \{ x_{k} \right \}}{ \textup{max}\, _{k}\: \left \{ x_{k} \right \}} =y_{k}$

区间值化变换

$\small f\left ( x_{k} \right )=\frac{x_{k}-\textup{min}\, _{k}\: \left \{ x_{k} \right \}}{ \textup{max}\, _{k}\: \left \{ x_{k} \right \}- \textup{min}\, _{k}\: \left \{ x_{k} \right \}} =y_{k}$ ,

1. matlab 的mapminmax归一化函数

函数用法：

 [Xn,Xps]=mapminmax(X,min,max)

说明：（1）该函数将X按行归一化，即计算某元素的归一化值时，最大最小值时该元素所处行的最大最小值；因此若只有一组观测时，X需是1*N的行向量。

　　　（2）min,max规定X的归一化范围，根据需要自行设置

　　　（3）ps是结构变量记录了归一化时的最大值最小值等参数，后续可重复调用　　　　　

　调用方法：

X1=mapminmax('apply', X_new,Xps);%利用先前的结构Xps进行相同的归一化

X2=mapminmax('reverse',Xn, Xps);%反归一化

x=[1,-1,2;　　　2,0,0;　　　0,1,-1]
[x1,Xps]=mapminmax(x,0,1)

对于python中的axis=0 和axis=1的问题

如df.mean其实是在每一行上取所有列的均值，而不是保留每一列的均值。也许简单的来记就是axis=0代表往跨行（down)，而axis=1代表跨列（across)，作为方法动作的副词（译者注）
换句话说:

使用0值表示沿着每一列或行标签\索引值向下执行方法
使用1值表示沿着每一行或者列标签模向执行对应的方法

【参考】matlab 归一化(mapminmax)与python归一化(sklearn.preprocessing.MinMaxScaler)比较

python的sklearn中 scale函数

1 标准化，均值去除和按方差比例缩放

（Standardization, or mean removal and variance scaling）

　　数据集的标准化：当个体特征太过或明显不遵从高斯正态分布时，标准化表现的效果较差。实际操作中，经常忽略特征数据的分布形状，移除每个特征均值，划分离散特征的标准差，从而等级化，进而实现数据中心化。

from sklearn import preprocessing 
import numpy as np  
X = np.array([[1., -1., 2.], [2., 0., 0.], [0., 1., -1.]])  
X_scaled = preprocessing.scale(X) 

#output :X_scaled = [[ 0.         -1.22474487  1.33630621]
 				 [ 1.22474487  0.         -0.26726124]
 				 [-1.22474487  1.22474487 -1.06904497]]
＃scaled之后的数据列为零均值，单位方差
X_scaled.mean(axis=0)  # column mean: array([ 0.,  0.,  0.])  
X_scaled.std(axis=0)  #column standard deviation: array([ 1.,  1.,  1.])

StandardScaler

Standardization即标准化，StandardScaler的归一化方式是用每个特征减去列均值，再除以列标准差。归一化后，矩阵每列的均值为0，标准差为1，形如标准正态分布（高斯分布）。通过计算训练集的平均值和标准差，以便测试数据集使用相同的变换。（在numpy中，有std()函数用于计算标准差）

from sklearn.preprocessing import StandardScaler
x=[[10001,2],[16020,4],[12008,6],[13131,8]]
X_scaler = StandardScaler()
X_train = X_scaler.fit_transform(x)
X_train
#结果如下
array([[-1.2817325 , -1.34164079],
       [ 1.48440157, -0.4472136 ],
       [-0.35938143,  0.4472136 ],
       [ 0.15671236,  1.34164079]])

注：

若设置with_mean=False 或者 with_std=False，则不做centering 或者scaling处理。
scale和StandardScaler可以用于回归模型中的目标值处理。

from sklearn.preprocessing import StandardScaler
x=[[10001,2],[16020,4],[12008,6],[13131,8]]
X_scaler = StandardScaler()
X_train = X_scaler.fit_transform(x)
X_train
#结果如下
array([[-1.2817325 , -1.34164079],
       [ 1.48440157, -0.4472136 ],
       [-0.35938143,  0.4472136 ],
       [ 0.15671236,  1.34164079]])

scaler = preprocessing.StandardScaler().fit(X) #out: StandardScaler(copy=True, with_mean=True, with_std=True)
scaler.mean_  #out: array([ 1.,  0. ,  0.33333333])  
scaler.std_ #out: array([ 0.81649658,  0.81649658,  1.24721913]) 
#测试将该scaler用于输入数据，变换之后得到的结果同上
scaler.transform(X) 
#out: 
array([[ 0., -1.22474487,  1.33630621], 
       [ 1.22474487, 0. , -0.26726124], 
       [-1.22474487,1.22474487, -1.06904497]])  
scaler.transform([[-1., 1., 0.]])  #scale the new data
# out: array([[-2.44948974,  1.22474487, -0.26726124]])

2 将数据特征缩放至某一范围(scalingfeatures to a range)

`2.1 MinMaxScaler` (最小最大值标准化)

它默认将每种特征的值都归一化到[0，1]之间，归一化后的数值大小范围是可调的（根据MinMaxScaler的参数feature_range调整）。 sklearn.preprocessing的 MinMaxScaler — scikit-learn文档

from sklearn.preprocessing import MinMaxScaler
x=[[10001,2],[16020,4],[12008,6],[13131,8]]
min_max_scaler = MinMaxScaler()
X_train_minmax = min_max_scaler.fit_transform(x) #归一化后的结果，

min_max_scaler = MinMaxScaler(feature_range=(-1,1))
X_train_minmax = min_max_scaler.fit_transform(x) #归一化到(-1,1)上的结果

`MinMaxScaler`的实现

X_std = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0))
X_scaled = X_std / (max - min) + min

这是 向量化的表达方式，说明X是矩阵，其中

X_std：将X归一化到[0，1]之间
X.min(axis=0)表示列最小值
max，min表示MinMaxScaler的参数feature_range参数。即最终结果的大小范围

2.2 MaxAbsScaler（绝对值最大标准化）

与上述标准化方法相似，但是它通过除以最大值将训练集缩放至[-1,1]。这意味着数据已经以０为中心或者是含有非常非常多０的稀疏数据。

X_train = np.array([[ 1., -1.,  2.],
                     [ 2.,  0.,  0.],
                    [ 0.,  1., -1.]])
max_abs_scaler = preprocessing.MaxAbsScaler()
X_train_maxabs = max_abs_scaler.fit_transform(X_train)
# doctest +NORMALIZE_WHITESPACE^, out: array([[ 0.5, -1.,  1. ], [ 1. , 0. ,  0. ],       [ 0. ,  1. , -0.5]])
X_test = np.array([[ -3., -1.,  4.]])
X_test_maxabs = max_abs_scaler.transform(X_test) #out: array([[-1.5, -1. ,  2. ]])
max_abs_scaler.scale_  #out: array([ 2.,  1.,  2.])

下一篇：Python机器学习库SKLearn：数据预处理 sklearn库

【详细了解】数据预处理方法参考官方文档 preprocessing 官方文档

wamg潇潇

关注

15
点赞
踩
127

收藏

觉得还不错? 一键收藏
1
评论
数据变换方法: 初值化、均值化、百分比/倍数变换、归一化、极差最大值化、区间值化： MinMaxScaler、StandardScaler、MaxAbsScaler

目录数据变换的目的数据变换的七种常见方式初值化变换均值化变换百分比变换倍数变换归一化变换极差最大值化变换区间值化变换1. matlab ...
复制链接

扫一扫