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
- API
- 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
- API
- 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
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()