使用sklearn进行数据预处理 —— 标准化/归一化/正则化
使用sklearn进行数据预处理 —— 标准化/归一化/正则化一、标准化(Z-Score),或者去除均值和方差缩放公式为:
将数据按期属性(按列进行)减去其均值,并处以其方差。得到的结果是,对于每个属性/每列来说所有数据都聚集在0附近,方差为1。 实现时,有两种不同的方式: >>> from sklearn import preprocessing
>>> import numpy as np
>>> X = np.array([[ 1.,-1.,2.],... [ 2.,0.,0.],... [ 0.,1.,-1.]])
>>> X_scaled = preprocessing.scale(X)
>>> X_scaled
array([[ 0. ...,-1.22...,1.33...],[ 1.22...,0. ...,-0.26...],[-1.22...,1.22...,-1.06...]])
>>>#处理后数据的均值和方差
>>> X_scaled.mean(axis=0)
array([ 0.,0.])
>>> X_scaled.std(axis=0)
array([ 1.,1.])
>>> scaler = preprocessing.StandardScaler().fit(X)
>>> scaler
StandardScaler(copy=True,with_mean=True,with_std=True)
>>> scaler.mean_
array([ 1. ...,0. ...,0.33...])
>>> scaler.std_
array([ 0.81...,0.81...,1.24...])
>>> scaler.transform(X)
array([[ 0. ...,-1.06...]])
>>>#可以直接使用训练集对测试集数据进行转换
>>> scaler.transform([[-1.,0.]])
array([[-2.44...,-0.26...]])
二、将属性缩放到一个指定范围除了上述介绍的方法之外,另一种常用的方法是将属性缩放到一个指定的最大和最小值(通常是1-0)之间,这可以通过preprocessing.MinMaxScaler类实现。 使用这种方法的目的包括: >>> X_train = np.array([[ 1.,... [ 2.,... [ 0.,-1.]])
...
>>> min_max_scaler = preprocessing.MinMaxScaler()
>>> X_train_minmax = min_max_scaler.fit_transform(X_train)
>>> X_train_minmax
array([[ 0.5,1. ],[ 1.,0.5,0.33333333],[ 0.,0. ]])
>>> #将相同的缩放应用到测试集数据中
>>> X_test = np.array([[ -3.,4.]])
>>> X_test_minmax = min_max_scaler.transform(X_test)
>>> X_test_minmax
array([[-1.5,1.66666667]])
>>> #缩放因子等属性
>>> min_max_scaler.scale_
array([ 0.5,0.33...])
>>> min_max_scaler.min_
array([ 0.,0.33...])
当然,在构造类对象的时候也可以直接指定最大最小值的范围:feature_range=(min,max),此时应用的公式变为: 三、正则化(Normalization)正则化的过程是将每个样本缩放到单位范数(每个样本的范数为1),如果后面要使用如二次型(点积)或者其它核方法计算两个样本之间的相似性这个方法会很有用。 Normalization主要思想是对每个样本计算其p-范数,然后对该样本中每个元素除以该范数,这样处理的结果是使得每个处理后样本的p-范数(L1-norm,L2-norm)等于1。 >>> X = [[ 1.,... [ 2.,... [ 0.,-1.]]
>>> X_normalized = preprocessing.normalize(X,norm='l2')
>>> X_normalized
array([[ 0.40...,-0.40...,0.81...],[ 1. ...,0. ...],[ 0. ...,0.70...,-0.70...]])
>>> normalizer = preprocessing.Normalizer().fit(X) # fit does nothing
>>> normalizer
Normalizer(copy=True,norm='l2')
>>>
>>> normalizer.transform(X)
array([[ 0.40...,-0.70...]])
>>> normalizer.transform([[-1.,0.]])
array([[-0.70...,0. ...]])
向量范数内容补充:
(编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |
- VB.net学习笔记(二十九)认识STA与MTA
- Flex编译器参数中-swf-version与-target-player之关系
- ruby – 为什么Test :: Unit.test_order =没有按预期工作?
- c – rdynamic gcc选项的影响/缺点
- C#设计模式之Mediator中介者模式解决程序员的七夕缘分问题示
- TMS320F28335
- ruby-on-rails – Rails – 失去与Integration Tests和Capy
- c# – 是否可以在LINQ to SQL中使用/访问标量函数?
- vb6,vs2005快捷键_排序算法的稳定性
- ruby -rvm安装:is_a_function:找不到命令