本文共 1741 字，大约阅读时间需要 5 分钟。

一，特征预处理介绍

1，什么是特征预处理

通过一些转换函数将特征转换成更加适合算法模型的过程

2，处理方式种类(缺失值用pandas处理)

数值型数据进行无量纲化，使不同规格的数据转换到同一规格

• 归一化
• 标准化

3， 特征预处理API

sklearn.preprocessing

4，为什么我们要进行归一化/标准化？

特征的 单位或者大小相差较大，或者某特征的方差相比其他的特征要大出几个数量级，容易影响（支配）目标结果， 使得一些算法无法学习到其它的特征.

二，归一化

1，定义

通过对原始数据进行变换把数据映射到(默认为[0,1])之间

2，公式

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

3，API

• sklearn.preprocessing.MinMaxScaler (feature_range=(0,1)… )
  • 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

4，实例

from sklearn.preprocessing import MinMaxScalerdef mm():    """ 对二维数组进行归一化处理 """    # 数据取值范围为2~4    mm = MinMaxScaler(feature_range=(2, 4))    # 每列数据进行归一化对比计算    data = mm.fit_transform([[90,2,10,40],[60,90,15,45],[75,3,13,46]])    print(data)    return Noneif __name__ == "__main__":    mm()    -------------------------[[4.         2.         2.         2.        ] [2.         4.         4.         3.66666667] [3.         2.02272727 3.2        4.        ]]

5，缺点

最大值与最小值非常容易受异常点影响，异常点如果过多，影响数据取值。所以这种方法鲁棒性较差，只适合传统精确小数据场景。

三，标准化

1，定义

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

2，公式

作用于每一列，mean为平均值，σ为标准差

3，归一化和标准化的区别

• 对于归一化来说：如果出现异常点，影响了最大值和最小值，那么结果显然会发生改变。
• 对于标准化来说：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。

4，API

• sklearn.preprocessing.StandardScaler( )
  • 处理之后每列来说所有数据都聚集在均值0附近标准差差为1
  • StandardScaler.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

5，实例

对下面的数据进行计算

[[90,2,10,40],[60,4,15,45],[75,3,13,46]]

1、实例化StandardScaler

from sklearn.preprocessing import StandardScalerdef std():    std = StandardScaler()    # 每列数据进行标准化对比计算    data = std.fit_transform([[90,2,10,40],[60,4,15,45],[75,3,13,46]])    print(data)    return Noneif __name__ == "__main__":    std()

6，标准化的优势

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。

转载地址：http://vsili.baihongyu.com/