机器学习之特征预处理

特征预处理

通过特定的统计方法(数学方法)将数据转化成算法要求的数据

数值型数据
  • 标准缩放:
    • 1.归一化
    • 2.标准化
    • 3.缺失值
类别型数据
时间类型
  • 时间的切分
sklearn特征处理API
  • sklearn.preprocessing

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:
    在这里插入图片描述
    X = Xnorm*(mx-mi)+mi

  • 注:作用于每一列,max为一列的最大值,min为一列的最小值,X为最终结果,mx,mi分别为指定区间值默认mx为1,mi为0

  • 缺点: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。

  • 鲁棒性----反应产品的稳定性

sklearn归一化API
  • sklearn.preprocessing.MinMaxScalar
  • MinMaxScalar(feature_range=(0,1))...
    • 每个特征缩放到给定范围
  • 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
def guiyi():
    """
    归一化处理
    :return:None
    """
    array1 = [[100,4,15,45],[63,41,25,34],[34,31,130,34]]

    # 实例化
    mm = MinMaxScaler(feature_range=(2,4))
    data = mm.fit_transform(array1)
    print(data)

    return None
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,标准差为1范围内
  • 公式
    在这里插入图片描述
  • 注:作用于每一列,Xmean为平均值,S为标准差
  • 优点: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。
  • 在已有样本足够多的情况下比较稳定,适合现代嘈杂大数据场景。
sklearn标准化API
  • sklearn.preprocessing.StandardScaler
    • 处理后每列来说所有数据都聚集在均值0附近标准差为1
  • StandardScaler.fit_transform(X)
  • 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
def stand():
    """
    标准化缩放
    :return: None
    """
    list1 = [[4,-1,3],[1,-4,2],[6,6,-1]]
    std = StandardScaler()
    data = std.fit_transform(list1)
    print(data)
    print(std.mean_)
    print(std.scale_)
    return NaN
处理缺失值
  • 删除
  • 插补:添补平均值或中位数
  • sklearn缺失值API
    • sklearn.preprocessing.Imputer
    • Imputer(missing_values='NaN',strategy='mean',axis=0)
def im():
   """
   缺失值处理
   :return: None
   """
   im = Imputer(missing_values='NaN',strategy='mean',axis=0)
   data = im.fit_transform([[1,2],[np.nan,3],[4,5]])
   print(data)
   return None
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