sklearn.preprocessing 数据预处理

目录

一、标准化（Z-Score）

二、归一化

三、正则化

---

一、标准化（Z-Score）

公式为：(X-mean)/std  计算时对每个属性/每列分别进行。

将数据按期属性（按列进行）减去其均值，并处以其方差。得到的结果是，对于每个属性/每列来说所有数据都聚集在0附近，方差为1。

实现时，有两种不同的方式：

• 使用sklearn.preprocessing.scale()函数，可以直接将给定数据进行标准化。sklearn.preprocessing.scale

• 使用sklearn.preprocessing.StandardScaler类，使用该类的好处在于可以保存训练集中的参数（均值、方差）直接使用其对象转换测试集数据。sklearn.preprocessing.StandardScaler

 

二、归一化

将属性缩放到一个指定的最大和最小值（通常是1-0）之间，这可以通过preprocessing.MinMaxScaler类实现。sklearn.preprocessing.minmax_scale

使用这种方法的目的包括：

1、对于方差非常小的属性可以增强其稳定性。

2、维持稀疏矩阵中为0的条目。

 

三、正则化

正则化的过程是将每个样本缩放到单位范数（每个样本的范数为1），如果后面要使用如二次型（点积）或者其它核方法计算两个样本之间的相似性这个方法会很有用。

Normalization主要思想是对每个样本计算其p-范数，然后对该样本中每个元素除以该范数，这样处理的结果是使得每个处理后样本的p-范数（l1-norm,l2-norm）等于1。

1、可以使用preprocessing.normalize()函数对指定数据进行转换 sklearn.preprocessing.normalize

2、可以使用processing.Normalizer()类实现对训练集和测试集的拟合和转换 sklearn.preprocessing.Normalizer

 

 

Reference:

https://www.cnblogs.com/chaosimple/p/4153167.html