特征预处理- Kaggle比赛必须了解的数据预处理

数据科学之道:数据和特征决定了模型的上限

对数/指数化

np.log([1, 2, 3, 4])
np.exp([1, 2, 3, 4])

离散化

import numpy as np
import pandas as pd

lst = [6,8,10,15,23,24,25,40,67]
#等深分箱,平均处理数据长度,缺点:忽略了数据本身的相似性,指按照比例划分
pd.qcut(lst, q=3, labels=['low', 'medium', 'high'])
[low, low, low, medium, medium, medium, high, high, high]
Categories (3, object): [low < medium < high]
#等宽分箱, 平均处理数据大小
pd.cut(lst, bins=3, labels=['low', 'medium', 'high'])
[low, low, low, low, low, low, low, medium, high]
Categories (3, object): [low < medium < high]

数值化

from sklearn.preprocessing import LabelEncoder, OneHotEncoder
#LabelEncoder 默认按文本排序编码(字母顺序)
le = LabelEncoder()
le.fit_transform(np.array(['low', 'medium', 'high', 'low', 'high']))
array([1, 2, 0, 1, 0])
# OneHotEncoder可以特征扩维
ohe = OneHotEncoder()
ohe.fit_transform(np.array(['low', 'medium', 'high', 'low', 'high']).reshape(-1, 1)).toarray()
array([[0., 1., 0.],
       [0., 0., 1.],
       [1., 0., 0.],
       [0., 1., 0.],
       [1., 0., 0.]])

正规化(正则化) L1 L2

from sklearn.preprocessing import Normalizer
w1 = Normalizer(norm='l1').fit_transform(np.array([[1,1,3,-1,2]]))
w2 = Normalizer(norm='l2').fit_transform(np.array([[1,1,3,-1,2]]))
print('L1 result:{0}'.format(w1))
print('L2 result:{0}'.format(w2))
L1 result:[[ 0.125  0.125  0.375 -0.125  0.25 ]]
L2 result:[[ 0.25  0.25  0.75 -0.25  0.5 ]]

归一化

from sklearn.preprocessing import MinMaxScaler, StandardScaler
MinMaxScaler().fit_transform(np.array([1,4,10,15,21]).reshape(-1, 1))
array([[0.  ],
       [0.15],
       [0.45],
       [0.7 ],
       [1.  ]])

标准化

StandardScaler().fit_transform(np.array([1,1,1,1,0,0,0,0]).reshape(-1, 1))
array([[ 1.],
       [ 1.],
       [ 1.],
       [ 1.],
       [-1.],
       [-1.],
       [-1.],
       [-1.]])
import scipy.stats as ss
df = pd.DataFrame({'A': ss.norm.rvs(size=10),
                 'B': ss.norm.rvs(size=10),
                 'C': ss.norm.rvs(size=10),
                 'D': np.random.randint(0, 2, size=10)})
df
ABCD
0-0.522492-1.671651-0.5211800
1-0.296905-0.1331710.6908860
2-1.5138311.692004-1.8343091
30.3306590.853364-0.4698571
41.036587-0.0266221.5421530
5-0.549018-0.152596-0.9903110
6-0.398492-0.5245350.1265610
7-0.129485-0.8498780.5240840
8-0.5886520.4223352.1323061
90.648563-0.6899160.1749301
  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值