sklearn -特征工程-預處理

1 歸一化：列資料映射到0-1之間（受異常點影響）

api：

from sklearn.preprocessing import MinMaxScaler
           

案例：

from sklearn.preprocessing import MinMaxScaler
def minmaxscaler():
    data = [[90,2,10,40],
            [60,4,15,45],
            [75,3,13,46]]
    mms = MinMaxScaler(feature_range=(0,1))
    data = mms.fit_transform(data)
    print(data)
           

結果

[[1.         0.         0.         0.        ]
 [0.         1.         1.         0.83333333]
 [0.5        0.5        0.6        1.        ]]
           

2 标準化

歸一化受異常點影響太大，标準化基本不受異常點影響

反應偏移平均值的程度。

負，小于平均值

正大于平均值。

絕對值越大，偏移量越大

公式

api：

from sklearn.preprocessing import StandardScaler
           

代碼：

from sklearn.preprocessing import StandardScaler
def standarscaler():
    data =[[1., -1., 3.],
     [2., 4., 2.],
     [4., 6., -1.]]
    ss = StandardScaler()
    data = ss.fit_transform(data)
    print(data)
standarscaler()
           

[[-1.06904497 -1.35873244  0.98058068]
 [-0.26726124  0.33968311  0.39223227]
 [ 1.33630621  1.01904933 -1.37281295]]
           

缺失值填充：

numpy.NaN的填充，例如填充為平均值

api

from sklearn.preprocessing import Imputer
           

代碼

from sklearn.preprocessing import Imputer
import numpy as np
def full():
    data = [[1,2,3],
            [2,np.NaN,1],
            [3,4,1]]
    imputer = Imputer(missing_values='NaN',strategy='mean',axis=0)  # 0是列,1是行
    data = imputer.fit_transform(data)
    print(data)
full()
           

[[1. 2. 3.]
 [2. 3. 1.]
 [3. 4. 1.]]