0


数据标准预处理合集_python机器学习sklearn库

文章目录

数据获取

在这里插入图片描述
以鸢尾数据为例,首先加载数据集。

from sklearn.datasets import load_iris

dataset = load_iris()# print(dataset)
X = dataset.data
y = dataset.target

可以下查看下数据基本特征

print(X)

在这里插入图片描述

print(y)

在这里插入图片描述


①归一化 MinMaxScaler

1.1默认调用

from sklearn.preprocessing import MinMaxScaler
X_transformed = MinMaxScaler().fit_transform(X)print(X_transformed)

程序执行结果:
在这里插入图片描述

1.2了解相关属性/参数

实例化MinMaxScaler()时可传入相关属性

MinMaxScaler(self, feature_range=(0, 1), *, copy=True, clip=False)

  • feature_range默认为元组(0,1),表示特征值范围
  • copy默认为True,表示不改变原X,该为False后原X被改变。
  • clip不知道是啥属性,一般应该也用不上,知道的大佬可以在评论区补充。

示例

from sklearn.preprocessing import MinMaxScaler
MinMaxScaler(feature_range=(0,0.5), copy=False).fit_transform(X)print(X)

程序执行结果:
在这里插入图片描述


②正则化 Normalizer

2.1默认调用

from sklearn.preprocessing import Normalizer
X_transformed = Normalizer().fit_transform(X)print(X_transformed)

程序执行结果:
在这里插入图片描述


2.2相关属性/参数

(self, norm=‘l2’, *, copy=True)

norm默认为’l2’(是字母l不是数字1)。可以取的值有"l1",“l2”,“max”。

  • 'l2’表示,变换方式为,每个特征值,转换为该特征值的平方,占该该样本所有特征值的平方之比。 即 X i ′ = X i 2 ∑ X i 2 \displaystyle X_i'=\frac{{X_i}^2}{\sum {X_i}^2} Xi′​=∑Xi​2Xi​2​
  • 'l1’表示,变换方式为,每个特征值,转换为 其占该样本每个特征值的绝对值之和之比。
  • 'max’表示,变换方式为,各个特征值除以样本中特征值最大的值。

copy同上,即是否复制。默认为True表示复制,复制就不更改原数据集。

from sklearn.preprocessing import Normalizer
X_transformed = Normalizer(norm='l1').fit_transform(X)print(X_transformed)

程序执行结果:

在这里插入图片描述


③标准化

3.1默认调用

from sklearn.preprocessing import StandardScaler
X_transformed = StandardScaler().fit_transform()print(X_transformed)

程序执行结果:
在这里插入图片描述

3.2相关属性/参数

StandardScaler(self, *, copy=True, with_mean=True, with_std=True)

  • with_mean 考虑均值
  • with_std 考虑标准差
  • copy 是否复制(同上)

④二值化

4.1默认调用

阈值默认为0,即大于0的数据转换为1,小于0的数据都转换为0。

from sklearn.preprocessing import Binarizer
X_transformed = Binarizer().fit_transform(X)print(X_transformed)

程序执行结果:
在这里插入图片描述

4.2相关属性/参数

(self, *, threshold=0.0, copy=True)

  • threshold 阈值
  • copy 是否复制(同上)
from sklearn.preprocessing import Binarizer
X_transformed = Binarizer(threshold=3).fit_transform(X)print(X_transformed)

程序执行结果:
在这里插入图片描述


本文转载自: https://blog.csdn.net/weixin_48964486/article/details/122921512
版权归原作者 侯小啾 所有, 如有侵权,请联系我们删除。

“数据标准预处理合集_python机器学习sklearn库”的评论:

还没有评论