机器学习笔记：特征缩放（sklearn实现）

1 特征缩放介绍

对于有些模型来说，特征缩放是很重要的，举几个例子：

• 神经网络——进行梯度下降时，如果有一个方向数值特别大，那么梯度肯定是向着这个方向走的
• PCA——需要计算类内和类间的variance
• KNN和K-Means——需要计算点与点之间的距离

所以在送入模型之前，进行特征缩放是很重要的

 2 标准化 standardization

• 标准化是将数据按比例缩放，使之落入一个小的特定区间，把数据转换为统⼀的标准。
• 最常用的标准化是z-score标准化，即零-均值标准化
• 
• 标准化缩放后，特征就变为具有标准正态分布了

2.1 sklearn 实现

from sklearn.preprocessing import StandardScaler
X = np.array([[0, 0, 0], 
              [0, 1, 1], 
              [1, 0, 1], 
              [1, 1, 1]])
stand_x=StandardScaler().fit_transform(X)
stand_x
'''
array([[-1.        , -1.        , -1.73205081],
       [-1.        ,  1.        ,  0.57735027],
       [ 1.        , -1.        ,  0.57735027],
       [ 1.        ,  1.        ,  0.57735027]])
'''

每一列进行标准化

3 规范化（归一化）normalization

把数据变为（0，1）之间的小数，可以使处理过程更加便捷、快速。

常见的规范化为 min-max缩放

3.1 sklearn实现

from sklearn.preprocessing import MinMaxScaler
X = np.array([[0, 1, 2], 
              [0, 2, 3], 
              [1, 4, 9], 
              [1, 1, 1]])
stand_x=MinMaxScaler().fit_transform(X)
stand_x
'''
array([[0.        , 0.        , 0.125     ],
       [0.        , 0.33333333, 0.25      ],
       [1.        , 1.        , 1.        ],
       [1.        , 0.        , 0.        ]])
'''

4 标准化和规范化的区别

 

• 在规范化中只更改数据的范围，而在标准化中会更改数据分布的形状。

• 规范化将这些值重新缩放到[0,1]的范围内。在所有参数都需要具有相同的正刻度的情况下是非常有效的。但是数据集中的异常值会丢失。

• 而在标准化中，数据被缩放到平均值(μ)为0，标准差(σ)为1(单位方差)。

• 规范化在0到1之间缩放数据，所有数据都为正。标准化后的数据以零为中心的正负值。

参考内容：特征工程中的缩放和编码的方法总结