python机器学习库sklearn——数据预处理

全栈工程师开发手册 （作者：栾鹏）

python数据挖掘系列教程

主要操作内容

• 标准化，也称去均值和方差按比例缩放
  
  • 将特征缩放至特定范围内
  • 缩放稀疏（矩阵）数据
  • 缩放有离群值的数据
  • 核矩阵的中心化
• 非线性转换
• 归一化
• 二值化
  
  • 特征二值化
• 标称特征编码
• 缺失值插补
• 生成多项式特征

直接上代码，大家可以运行代码，打印输出各种结果来理解预处理的处理过程。

from sklearn import preprocessing
import numpy as np

X_train = np.array([[ 1., -1.,  -2.],
                    [ 2.,  0.,  0.],
                    [ 3.,  1., -1.]])
X_test = [[-1., 1., 0.]]


# ===============标准化====================
# 计算数据集的尺度（也就是数据集的均值和方差）（各列）
scaler = preprocessing.StandardScaler().fit(X_train)   # 计算均值和方差
print('均值：'