标准化
变换后各维特征有0均值，单位方差。也叫z-score规范化（零均值规范化）。计算方式是将特征值减去均值，除以标准差。
from sklearn.preprocessing import scale X = np.array([[ 1., -1., 2.],[ 2., 0., 0.],[ 0., 1., -1.]]) scale(X)一般会把train和test集放在一起做标准化，或者在train集上做标准化后，用同样的标准化器去标准化test集，此时可以用scaler
``` from sklearn.preprocessing import StandardScaler scaler = StandardScaler().fit(train) scaler.transform(train) scaler.transform(test)
``` 最小-最大规范化 最小-最大规范化对原始数据进行线性变换，变换到[0,1]区间（也可以是其他固定最小最大值的区间） min_max_scaler = sklearn.preprocessing.MinMaxScaler() min_max_scaler.fit_transform(X_train) 规范化:正则化 规范化是将不同变化范围的值映射到相同的固定范围，常见的是[0,1]，此时也称为归一化。《机器学习》周志华 X = [[ 1, -1, 2],[ 2, 0, 0], [ 0, 1, -1]] sklearn.preprocessing.normalize(X, norm='l2') array([[ 0.40, -0.40, 0.81], [ 1, 0, 0], [ 0, 0.70, -0.70]])可以发现对于每一个样本都有，0.4^2+0.4^2+0.81^2=1,这就是L2 norm，变换后每个样本的各维特征的平方和为1。类似地，L1 norm则是变换后每个样本的各维特征的绝对值和为1。还有max norm，则是将每个样本的各维特征除以该样本各维特征的最大值。 在度量样本之间相似性时，如果使用的是二次型kernel，需要做Normalization
特征二值化给定阈值，将特征转换为0/1
binarizer = sklearn.preprocessing.Binarizer(threshold=1.1) binarizer.transform(X) 标签二值化 ``` from sklearn import preprocessing lb = preprocessing.LabelBinarizer() lb.fit([1, 2, 6, 4, 2]) lb.classes_ array([1, 2, 4, 6]) lb.transform([1, 6])#必须[1, 2, 6, 4, 2]里面 array([[1, 0, 0, 0], [0, 0, 0, 1]]) ``` 类别特征编码有时候特征是类别型的，而一些算法的输入必须是数值型，此时需要对其编码。 下面这个例子，第一维特征有两种值0和1，用两位去编码。第二维用三位，第三维用四位。
enc = preprocessing.OneHotEncoder() enc.fit([[0, 0, 3], [1, 1, 0], [0, 2, 1], [1, 0, 2]]) enc.transform([[0, 1, 3]]).toarray() #array([[ 1., 0., 0., 1., 0., 0., 0., 0., 1.]]) 标签编码``` le = sklearn.preprocessing.LabelEncoder()
le.fit([1, 2, 2, 6]) le.transform([1, 1, 2, 6]) #array([0, 0, 1, 2]) 非数值型转化为数值型 le.fit(["paris", "paris", "tokyo", "amsterdam"]) le.transform(["tokyo", "tokyo", "paris"]) #array([2, 2, 1]) ``` 含有异常值 sklearn.preprocessing.robust_scale 生成多项式这个其实涉及到特征工程了，多项式特征/交叉特征
原始特征
转化后
poly = sklearn.preprocessing.PolynomialFeatures(2) poly.fit_transform(X)
感谢作者分享
数据人网是数据人学习、交流和分享的平台http://shujuren.org 。专注于从数据中学习。 平台的理念： 人人投稿，知识共享；人人分析，洞见驱动；智慧聚合，普惠人人。 您在数据人网平台，可以1）学习数据知识；2）创建数据博客；3）认识数据朋友；4）寻找数据工作；5）找到其它与数据相关的干货。 我们努力坚持做原创，分享和传播数据知识干货！ 我们都是数据人，数据是有价值的，坚定不移地利用数据价值创造价值！
严禁修改，可以转载，请注明出自数据人网和原文链接