sklearn.preprocessing归一化标准化等 |
您所在的位置：网站首页 › sklearn归一化fit › sklearn.preprocessing归一化标准化等 |
sklearn.preprocessing归一化标准化等
|
目录
sklearn.preprocessing
StandardScaler，标准化，也叫z-score规范化
最小-最大规范化
正则化（normalize）
one-hot编码
特征二值化
标签编码（Label encoding）
sklearn.preprocessing
属于数据预处理阶段，经过一定缩放，标准化等处理使得数据能被模型识别 sklearn.preprocessing 有多个缩放器（Scaler）： StandardScaler MinMaxScaler RobustScaler Normalizer还有可以直接使用的函数：scale()，maxabs_scale()，minmax_scale()，robust_scale()，normaizer（） 1.StandardScaler，标准化，也叫z-score规范化z = (x - u) / s 其中u是训练样本或者特征的均值，s是训练样本或者特征的标准偏差，z是标准化之后的值 这个方法被广泛使用在支持向量机，逻辑回归神经网络等 StandardScaler有fit，fit_transform，transform等方法 fit：用于计算训练数据的均值和方差 fit_transform：不仅计算训练数据的值和方差，还会基于计算出来的均值方差来转换训练数据，将数据转为标准正态分布 transform：只进行转换，把数据转换成标准正态分布 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 from sklearn.preprocessing import StandardScaler from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split import pandas as pd import numpy as np iris=load_iris() df=pd.DataFrame(iris.data,columns=iris.feature_names) df['sample']=iris.target train_x=df.iloc[:,:4] train_y=df.iloc[:,-1] x_train,x_test,y_train,y_test=train_test_split(train_x,train_y,test_size=0.3,random_state=0) #一般这样使用,其中fit_transform可以代替fit位置 scaler=preprocessing.StandardScaler().fit(x_train) scaler.transform(x_train) scaler.transform(x_test)其中计算原理，标准化之后的值如下： #(x-均值)/标准差 (x_train.values[:,0]- x_train.values[:,0].mean())/ x_train.values[:,0].std()2.最小-最大规范化 使用这个缩放的情况包括：增强极小方差的值还有保留稀疏样本中的零值。也叫作最大最小标准化，[0,1]标准化 对原始数据的线性变换，使得结果落在[ 0,1 ]区间， z=(x-min)/(max-min) 这种方法有一个缺陷就是当有新数据加入时，可能导致max和min的变化，需要重新定义 #feature_range: 定义归一化范围，注用（）括起来 scaler = preprocessing.MinMaxScaler(feature_range=(0, 1)).fit(train_data) scaler.transform(train_data) scaler.transform(test_data)还有一个例子： import numpy as np from sklearn import preprocessing X_train = np.array([[ 1., -1., 2.], [ 2., 0., 0.], [ 0., 1., -1.]]) min_max_sacler = preprocessing.MinMaxScaler() min_max_sacler.fit(X_train) print(min_max_sacler.transform(X_train)) ''' [[0.5 0. 1. ] [1. 0.5 0.33333333] [0. 1. 0. ]] '''3.正则化（normalize） 首先求出样本的p范数，然后该样本的所有元素都要除以该范数，这样最终使得每个样本的范数都是1。 规范化（Normalization）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]，也成为归一化 该方法主要应用于文本分类和聚类中 sklearn.preprocessing.Normalizer(norm=’l2’, copy=True) norm：可以为l1、l2或max，默认为l2 若为l1时，每个样本（每行）的值除以每个样本（每行）各值的绝对值之和 若为l2时，变换后每个样本（每行）的各维特征的平方和为1 若为max时，样本各个特征值除以样本中特征值最大的值也有这样的说法： 需要说明是，这里的归一化不是对一列的特征进行操作，而是对一行的样本（记录）进行操作。归一化适用于这样的场景：需要使用点积，或者有的模型需要对样本的相似性进行度量。 preprocessing中的normalize方法提供了这样的操作，这个方法有个参数叫做norm，取值可以为 ‘l1’,’l2’,’max’，取不同的值，使用不同的方式进行归一化。 当取值为’l1‘的时候，运用l1范数进行归一化，计算的方法是 ：
运用l2范数进行归一化的时候，计算方法是这样的：
preproceing 的Normalizer也提供了标准化的方法，可以进行fit和transform操作,而preprocessing.normalize()函数不可以 from sklearn import preprocessing X = [[ 1., -1., 2.], [ 2., 0., 0.],[ 0., 1., -1.]] #1、可以使用preprocessing.normalize()函数对指定数据进行转换： preprocessing.normalize(X, norm='l2') ''' array([[ 0.40824829, -0.40824829, 0.81649658], [ 1. , 0. , 0. ], [ 0. , 0.70710678, -0.70710678]]) ''' preprocessing.normalize(X, norm='l1') ''' array([[ 0.25, -0.25, 0.5 ], [ 1. , 0. , 0. ], [ 0. , 0.5 , -0.5 ]]) ''' preprocessing.normalize(X, norm='max') ''' array([[ 0.5, -0.5, 1. ], [ 1. , 0. , 0. ], [ 0. , 1. , -1. ]]) ''' #2、可以使用processing.Normalizer()类实现对训练集和测试集的拟合和转换： normalizer = preprocessing.Normalizer().fit(X)#fit does nothing normalizer #Normalizer(copy=True, norm='l2') normalizer.transform(X) normalizer.transform([[-1., 1., 0.]]) # array([[-0.70..., 0.70..., 0. ...]])norm不同算法： #norm='l2', X = [[ 1., -1., 2.], [ 2., 0., 0.],[ 0., 1., -1.]] X=np.array(X) X/np.sqrt(np.sum(X*X,axis=1)) #norm='l1' X = [[ 1., -1., 2.], [ 2., 0., 0.],[ 0., 1., -1.]] X=np.array(X) X/np.sum(abs(X),axis=1) #norm='max' X = [[ 1., -1., 2.], [ 2., 0., 0.],[ 0., 1., -1.]] X=np.array(X) X/np.max(X,axis=0)4.one-hot编码 one-hot编码是一种对离散特征值的编码方式，在LR模型中常用到，用于给线性模型增加非线性能力 就是看看每个特征有多少个唯一值n，然后组成n列，按照顺序排唯一值，如果轮到该值，则1，其余是0 from sklearn import preprocessing data = [[0, 0, 3], [1, 1, 0], [0, 2, 1], [1, 0, 2]] encoder = preprocessing.OneHotEncoder().fit(data) encoder.transform(data).toarray() #输出 array([[1., 0., 1., 0., 0., 0., 0., 0., 1.], [0., 1., 0., 1., 0., 1., 0., 0., 0.], [1., 0., 0., 0., 1., 0., 1., 0., 0.], [0., 1., 1., 0., 0., 0., 0., 1., 0.]])5.特征二值化 Binarizer类和binarize方法根据指定的阈值将特征二值化，小于等于阈值的，将特征值赋予0，大于特征值的赋予1，其阈值threshold默认都为0 sklearn.preprocessing.binarize(X, threshold=0.0, copy=True) binarizer = sklearn.preprocessing.Binarizer(threshold=1.1) binarizer.transform(X)6.标签编码（Label encoding） sklearn.preprocessing.LabelEncoder()：标准化标签，将标签值统一转换成range(标签值个数-1)范围内 from sklearn import preprocessing le = preprocessing.LabelEncoder() le.fit([1,2,2,6,3]) #获取标签值 le.classes_ #array([1, 2, 3, 6]) #将标签标准化 le.transform([1, 1, 2, 6]) #array([0, 0, 1, 2]) #将标准化的标签值反转 le.inverse_transform([0, 0, 2, 3, 1]) #array([1, 1, 3, 6, 2]) #非数值型转化为数值型 le.fit(["paris", "paris", "tokyo", "amsterdam"]) le.transform(["tokyo", "tokyo", "paris"]) #array([2, 2, 1])
|
【本文地址】
今日新闻 |
推荐新闻 |