python:常用的几种预处理方法

2017/05/08 13:28
阅读数 307

标准化

变换后各维特征有0均值,单位方差。也叫z-score规范化(零均值规范化)。计算方式是将特征值减去均值,除以标准差。

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

一般会把train和test集放在一起做标准化,或者在train集上做标准化后,用同样的标准化器去标准化test集,此时可以用scaler

 
  1. from sklearn.preprocessing import StandardScaler
  2. scaler = StandardScaler().fit(train)
  3. scaler.transform(train)
  4. scaler.transform(test)

最小-最大规范化

最小-最大规范化对原始数据进行线性变换,变换到[0,1]区间(也可以是其他固定最小最大值的区间)

 
  1. min_max_scaler = sklearn.preprocessing.MinMaxScaler()
  2. min_max_scaler.fit_transform(X_train)

规范化:正则化

规范化是将不同变化范围的值映射到相同的固定范围,常见的是[0,1],此时也称为归一化。《机器学习》周志华

 
  1. X = [[ 1, -1, 2],[ 2, 0, 0], [ 0, 1, -1]]
  2. sklearn.preprocessing.normalize(X, norm='l2')
 
  1. array([[ 0.40, -0.40, 0.81], [ 1, 0, 0], [ 0, 0.70, -0.70]])

可以发现对于每一个样本都有,0.4^2+0.4^2+0.81^2=1,这就是L2 norm,变换后每个样本的各维特征的平方和为1。类似地,L1 norm则是变换后每个样本的各维特征的绝对值和为1。还有max norm,则是将每个样本的各维特征除以该样本各维特征的最大值。
在度量样本之间相似性时,如果使用的是二次型kernel,需要做Normalization

特征二值化

给定阈值,将特征转换为0/1

 
  1. binarizer = sklearn.preprocessing.Binarizer(threshold=1.1)
  2. binarizer.transform(X)

标签二值化

 
  1. from sklearn import preprocessing
  2. lb = preprocessing.LabelBinarizer()
  3. lb.fit([1, 2, 6, 4, 2])
  4. lb.classes_
  5. array([1, 2, 4, 6])
  6. lb.transform([1, 6])#必须[1, 2, 6, 4, 2]里面
  7. array([[1, 0, 0, 0],
  8. [0, 0, 0, 1]])

类别特征编码

有时候特征是类别型的,而一些算法的输入必须是数值型,此时需要对其编码。
下面这个例子,第一维特征有两种值0和1,用两位去编码。第二维用三位,第三维用四位。

 
  1. enc = preprocessing.OneHotEncoder()
  2. enc.fit([[0, 0, 3], [1, 1, 0], [0, 2, 1], [1, 0, 2]])
  3. enc.transform([[0, 1, 3]]).toarray() #array([[ 1., 0., 0., 1., 0., 0., 0., 0., 1.]])

标签编码

 
  1. le = sklearn.preprocessing.LabelEncoder()
  2. le.fit([1, 2, 2, 6])
  3. le.transform([1, 1, 2, 6]) #array([0, 0, 1, 2])
  4. #非数值型转化为数值型
  5. le.fit(["paris", "paris", "tokyo", "amsterdam"])
  6. le.transform(["tokyo", "tokyo", "paris"]) #array([2, 2, 1])

含有异常值

 
  1. sklearn.preprocessing.robust_scale

生成多项式

这个其实涉及到特征工程了,多项式特征/交叉特征

原始特征
image

转化后
image

 
  1. poly = sklearn.preprocessing.PolynomialFeatures(2)
  2. poly.fit_transform(X)
展开阅读全文
打赏
0
0 收藏
分享
加载中
更多评论
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部