Scik-Learn之特征工程(二)

系统环境Ubuntu、Deepin

数据的特征预处理

特征处理：通过特定的统计方法（数学方法）将数据转换成算法要求的数据

sklearn特征处理API：sklearn.preprocessing

• 数值型数据：标准缩放：

  • 1、归一化

  • 2、标准化
  • 3、缺失值
• 别型数据：one-hot编码
• 时间类型：时间的切分

归一化

特点：通过对原始数据进行变换把数据映射到(默认为[0,1])之间

公式：

注：作用于每一列，max为一列的最大值，min为一列的最小值,那么X’’ 为最终结果，mx，mi分别为指定区间值默认mx为1,mi为0

归一化计算过程

根据公式进行处理：

注：里面是第一步，还需要第二步乘以(1-0)+0

sklearn归一化API

sklearn.preprocessing.MinMaxScaler

MinMaxScaler语法

• MinMaxScalar(feature_range=(0,1)…)
  • 每个特征缩放到给定范围（默认[0,1])
  • MinMaxScalar.fit_transform(X)
    • X:numpy array格式的数据[n_samples,n_features]
    • 返回值：转换后的形状相同的array

案例测试

from sklearn.preprocessing import MinMaxScaler


mydata = [[90,2,10,40],
          [60,4,15,45],
          [75,3,13,46]]


# 创建归一化实例对象
unificati = MinMaxScaler()

# 转换为归一化特征数据
mydatas = unificati.fit_transform(mydata)


print('归一化特征数据：\n',mydatas)

运行结果：

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