sklearn preprocessing 数据预处理（OneHotEncoder）

                     

0. StandardScaler

去均值时，在测试集上进行预测时减去的均值是训练集上得到的均值；

import sklearn.preprocessing as prepdef standard_scale(X_train, X_test): preprocessor = prep.StandardScaler().fit(X_train) X_train = preprocessor.transform(X_train) X_test = preprocessor.transform(X_test) return X_train, X_test

• 1
• 2
• 3
• 4
• 5
• 6
• 7

1. one hot encoder

<a href=“http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html”, target="_blank">sklearn.preprocessing.OneHotEncoder

one hot encoder 不仅对 label 可以进行编码，还可对 categorical feature 进行编码：

>>> from sklearn.preprocessing import OneHotEncoder>>> enc = OneHotEncoder()>>> enc.fit([[0, 0, 3], [1, 1, 0], [0, 2, 1], [1, 0, 2]])  >>> enc.n_values_array([2, 3, 4])>>> enc.feature_indices_array([0, 2, 5, 9])>>> enc.transform([[0, 1, 1]]).toarray()array([[ 1.,  0.,  0.,  1.,  0.,  0.,  1.,  0.,  0.]])

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13

为 OneHotEncoder 类传递进来的数据集：

[[0, 0, 3], [1, 1, 0], [0, 2, 1], [1, 0, 2]]

• 1
• 2
• 3
• 4

每一列代表一个属性，fit 操作之后：

• 对象enc的n_values_成员变量，记录着每一个属性的最大取值数目，如本例第一个属性：0, 1, 0, 1 ⇒ 2，0, 1, 2, 0 ⇒ 3，3, 0, 1, 2 ⇒ 4；
  • 即各个属性（feature）在 one hot 编码下占据的位数；
• 对象 enc 的 feature_indices_，则记录着属性在新 One hot 编码下的索引位置，
  • feature_indices_ 是对 n_values_ 的累积值，不过 feature_indices 的首位是 0；

进一步通过 fit 好的 one hot encoder 对新来的特征向量进行编码：

>>> enc.transform([[0, 1, 1]]).toarray()array([[ 1.,  0.,  0.,  1.,  0.,  0.,  1.,  0.,  0.]])

• 1
• 2

• 前 2 位 1, 0，对 0 进行编码
• 中间 3 位 0, 1, 0 对 1 进行编码；
• 末尾 4 位 0, 1, 0, 0 对 1 进行编码；

           

再分享一下我老师大神的人工智能教程吧。零基础！通俗易懂！风趣幽默！还带黄段子！希望你也加入到我们人工智能的队伍中来！https://blog.csdn.net/jiangjunshow