欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

机器学习--数据预处理

程序员文章站 2022-05-02 17:04:45
...

归一化

  • 目的
    使得单一特征对于最后的结果影响不太大,尤其是错误值
    机器学习--数据预处理
  • API
    机器学习--数据预处理
  • 代码演示
from sklearn.preprocessing import MinMaxScaler


def mm():
    mm = MinMaxScaler()

    data = mm.fit_transform([[90,2,10,40],[60,4,15,45],[75,3,13,46]])

    print(data)

    return None

if __name__ == '__main__':
    mm()
  • 问题:如果数据中异常点较多,会有什么影响
    对于最大值或者最小值会产生影响,也就对于归一化过程产生影响,所以这种归一化方法的鲁棒性比较差,只适合传统精确小数据场景

标准化

  • 目的: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,如果出现异常点,由于具有一定的数据量,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
    机器学习--数据预处理
  • API
    机器学习--数据预处理
  • 代码演示
from sklearn.preprocessing import StandardScaler


def stand():
    std = StandardScaler()

    data = std.fit_transform([[1,-1,3], [2,4,2], [4,6,-1]])

    print(data)

    return None

if __name__ == '__main__':
    stand()
  • 总结
    在已有样本足够多的情况下比较稳定,适合现在嘈杂大数据场景
    一般都是进行标准化处理,而非归一化处理

缺失值处理

  • 删除或者插补
    机器学习--数据预处理
    机器学习--数据预处理
    一般使用pandas:dropna,fillna
    但是要求数据格式为np.nan float类型

replace(“?”,np.nan)进行替换后使用fit_transform进行操作

  • 代码演示
from sklearn.preprocessing import Imputer
import numpy as np


def im():
    im = Imputer(missing_values='NaN',strategy='mean',axis=0)
    
    data = im.fit_transform([[1,2],[np.nan,3],[7,6]])

    print(data)

    return None

if __name__ == '__main__':
    im()