文章目录
1. 特征缩放
特征缩放
(Feature Scaling)
1.1 最大最小值归一化(min-max normalization)
x ′ = x − m i n ( x ) m a x ( x ) − m i n ( x ) (1) x^\prime=\frac{x-min(x)}{max(x)-min(x)} \tag{1} x′=max(x)−min(x)x−min(x)(1)
将数据归一化到 [ 0 , 1 ] [0,1] [0,1]。
sklearn.preprocessing.MinMaxScaler
MinMaxScaler(feature_range=(0, 1), copy=True)
1.2 均值归一化(mean normalization)
x ′ = x − x ˉ m a x ( x ) − m i n ( x ) (2) x^\prime=\frac{x-\bar{x}}{max(x)-min(x)} \tag{2} x′=max(x)−min(x)x−xˉ(2)
将数据归一化到 [ − 1 , 1 ] [-1,1] [−1,1]。
1.3 中心化(mean centering)
x ′ = x − x ˉ (3) x^{\prime}=x-\bar{x} \tag{3} x′=x−xˉ(3)
将数据缩放到 0 附近。
1.4 标准化 / z值归一化(standardization / z-score normalization)
x ′ = x − x ˉ σ (4) x^{\prime}=\frac{x-\bar{x}}{\sigma} \tag{4} x′=σx−xˉ(4)
将数据标准化为均值为 0 ,标准差为 1。
sklearn.preprocessing.StandardScaler
StandardScaler(copy=True, with_mean=True, with_std=True)
1.5 最大绝对值归一化(max-abs normalization)
x ′ = x ∥ m a x ( x ) ∥ (5) x^\prime=\frac{x}{\|max(x)\|} \tag{5} x′=∥max(x)∥x(5)
适用于稀疏数据,将数据缩放到 [ − 1 , 1 ] [-1,1] [−1,1]。
sklearn.preprocessing.Normalizer
Normalizer(norm=‘l2’, copy=True)
norm =‘max’ 时为最大绝对值归一化(好像没有绝对值)。
1.6 稳健归一化(robust normalization)
先减去中位数,再除以四分位距(interquartile range, IQR)。因为不涉及极值,因此在数据里有异常值的情况下表现比较稳健。
x ′ = x − m e d i a n ( x ) I Q R ( x ) (6) x^\prime = \frac{x-median(x)}{IQR(x)} \tag{6} x′=IQR(x)x−median(x)(6)
sklearn.preprocessing.robust_scale
robust_scale(X, axis=0, with_centering=True, with_scaling=True, quantile_range=(25.0, 75.0), copy=True)
2. 需要进行缩放的模型
通过梯度下降法
求解的模型需要进行特征缩放,这包括线性回归
(Linear Regression)、逻辑回归
(Logistic Regression)、感知机
(Perceptron)、支持向量机
(SVM)、神经网络
(Neural Network)等模型。
此外,近邻法
(KNN),K均值聚类
(K-Means)等需要根据数据间的距离
来划分数据的算法也需要进行特征缩放。
主成分分析
(PCA),线性判别分析
(LDA)等需要计算特征的方差
的算法也会受到特征缩放的影响。
3. 不需要进行缩放的模型
决策树
(Decision Tree),随机森林
(Random Forest)等基于树的模型不需要
进行特征缩放,因为特征缩放不会改变样本在特征上的信息增益。
4. 进行特征缩放的注意事项
需要先把数据拆分成训练集与验证集,在训练集上计算出需要的数值(如均值和标准值),对训练集数据做标准化/归一化处理(不要在整个数据集上做标准化/归一化处理,因为这样会将验证集的信息带入到训练集中,这是一个非常容易犯的错误),然后再用之前计算出的数据(如均值和标准值)对验证集数据做相同的标准化/归一化处理。
参考资料
[1] HuZihu.[ML] 特征缩放(Feature Scaling)[EB/OL].https://www.cnblogs.com/HuZihu/p/9761161.html, 2019-08-11.
[2] Sebastian Raschka.[ML] About Feature Scaling and Normalization
– and the effect of standardization for machine learning algorithms[EB/OL].https://sebastianraschka.com/Articles/2014_about_feature_scaling.html, 2014-7-11.