本文介绍了数据预处理中的关键步骤——归一化和离散化。归一化通过缩放样本至单位范数，适用于平方形式的操作。Python提供了便捷的归一化工具。离散化则是将连续变量分割为离散值，增强模型可解释性。K-bins离散化使用特定间隔将特征分段，并常用One-hot编码。此外，二值化将数值特征转化为布尔值，常用于伯努力分布假设的场景和文本处理。
论文合作、课题指导请联系QQ2279055353
归一化
归一化(Normalization), 是将逐个样本缩放成单位范数(方差)的过程。归一化过程对于平方的形式，例如点积，或者量化成对样本的核函数时是有用的。Python函数normalize()提供了一种快速简单的归一化操作，主要使用L1, L2范数。
例子
模块preprocessing进一步提供了实用类Normalizer, 使用Transformer API实现相同的归一化操作。
normalizer = preprocessing.Normalizer().fit(X) # fit does nothing
离散化
离散化(Discretization, or quantization or binning), 是用来分割连续变量成为若干个离散值的一种方法。One-hot编码的离散化特征使得模型更复杂，但更具可解释性。
K-bins离散
KBinsDiscretizer类将连续特征离散化成k个bins, 由函数KBinsDiscretizer()实现。
默认输出是一个One-hot编码的稀疏矩阵。对于每一个特征，fit方法计算bin数量与边长，然后定义间隔。在上例种，
-
特征1：
最低0.47元/天 解锁文章
235
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
