python三種數(shù)據(jù)標(biāo)準(zhǔn)化

數(shù)據(jù)變換是數(shù)據(jù)準(zhǔn)備的重要環(huán)節(jié)，它通過(guò)數(shù)據(jù)平滑、數(shù)據(jù)聚集、數(shù)據(jù)概化和規(guī)范化 等方式將數(shù)據(jù)轉(zhuǎn)換成適用于數(shù)據(jù)挖掘的形式。

常見(jiàn)的變換方法：

• 1.數(shù)據(jù)平滑：去除數(shù)據(jù)中的噪聲，將連續(xù)數(shù)據(jù)離散化。這里可以采用分箱、聚類和回歸的方式進(jìn)行數(shù)據(jù)平滑
• 2.數(shù)據(jù)聚集：對(duì)數(shù)據(jù)進(jìn)行匯總，在SQL中有一些聚集函數(shù)可以供我們操作（比如Max）反饋某個(gè)字段的數(shù)值最大值，Sum返回某個(gè)字段的數(shù)值總和；
• 3.數(shù)據(jù)概化：將數(shù)據(jù)由較低的概念抽象成為較高的概念，減少數(shù)據(jù)復(fù)雜度，即用更高的概念替代更低的概念。比如說(shuō)上海、杭州、深圳、北京可以概化為中國(guó)。
• 4.數(shù)據(jù)規(guī)范化：使屬性數(shù)據(jù)按比例縮放，這樣就將原來(lái)的數(shù)值映射到一個(gè)新的特定區(qū)域中。常用的方法有最小一最大規(guī)范化、Z-score規(guī)范化、按小數(shù)定標(biāo)規(guī)范化等；
• 5.屬性構(gòu)造：構(gòu)造出新的屬性并添加到屬性集中。這里會(huì)用到特征工程的知識(shí)，因?yàn)橥ㄟ^(guò)屬性與屬性的連接構(gòu)造新的屬性，其實(shí)就是特征工程。比如說(shuō)，數(shù)據(jù)表中統(tǒng)計(jì)每個(gè)人的英語(yǔ)、語(yǔ)文和數(shù)學(xué)成績(jī)，你可以構(gòu)造一個(gè)“總和“這個(gè)屬性，來(lái)作為新屬性。這樣“總和這個(gè)屬性就可以用到后續(xù)的數(shù)據(jù)挖掘計(jì)算中。

在這些變換方法中，最簡(jiǎn)單易用的就是對(duì)數(shù)據(jù)進(jìn)行規(guī)范化處理。下面我來(lái)給你講下如何對(duì)數(shù)據(jù)進(jìn)行規(guī)范化處理。

1、Min-max 歸一化

Min-max規(guī)范化方法是將原始數(shù)據(jù)變換到[0，1]的空間中。

用公式表示就是：

新數(shù)值=（原數(shù)值-極小值）/（極大值-極小值）。

2、Z-Score標(biāo)準(zhǔn)化

我們定義：

新數(shù)值=（原數(shù)值一均值）/標(biāo)準(zhǔn)差。

3、小數(shù)定標(biāo)規(guī)范化

小數(shù)定標(biāo)規(guī)范化就是通過(guò)移動(dòng)小數(shù)點(diǎn)的位置來(lái)進(jìn)行規(guī)范化。

小數(shù)點(diǎn)移動(dòng)多少位取決于屬性A的取值中的最大絕對(duì)值。

舉個(gè)例子：

• 比如屬性A的取值范圍是-999到88，那么最大絕對(duì)值為999，小數(shù)點(diǎn)就會(huì)移動(dòng)3位，即新數(shù)值=原數(shù)值/1000。
• 那么A的取值范圍就被規(guī)范化為-0.999到0.088。

Python的SciKit-Learn庫(kù)使用

• Min-max 規(guī)范化

from sklearn import preprocessing 
import numpy as np
#初始化數(shù)據(jù)，每一行表示一個(gè)樣本，每一列表示一個(gè)特征
x=np.array([[0.,-3.,1.],
            [3.,1.,2.],
            [0.,1.,-1.]])
#將數(shù)據(jù)進(jìn)行[0，1]規(guī)范化
min_max_scaler=preprocessing.MinMaxScaler()
minmax_x=min_max_scaler.fit_transform（x）
print (minmax_x)

• Z-Score規(guī)范化

from sklearn import preprocessing 
import numpy as np
#初始化數(shù)據(jù)
x=np.array([[0.,-3.,1.],
            [3.,1.,2.],
            [0.,1.,-1.]])
#將數(shù)據(jù)進(jìn)行Z-Score規(guī)范化
scaled_x=preprocessing.scale(x)
print (scaled_x)

• 小數(shù)定標(biāo)規(guī)范化

from sklearn import preprocessing 
import numpy as np
#初始化數(shù)據(jù)
x=np.array([[0.,-3.,1.],
            [3.,1.,2.],
            [0.,1.,-1.]])
#小數(shù)定標(biāo)規(guī)范化
j=np.ceil(np.log10(np.max(abs(x)))
scaled_x=X/(10**j)
print (scaled_x)

4、歸一化和標(biāo)準(zhǔn)化的區(qū)別和聯(lián)系

區(qū)別：

• 歸一化是將樣本的特征值轉(zhuǎn)換到同一量綱下把數(shù)據(jù)映射到[0,1]或者[a,b]區(qū)間內(nèi)，僅由變量的極值決定，因此區(qū)間放縮法是歸一化的一種。
• 標(biāo)準(zhǔn)化是依照特征矩陣的列處理數(shù)據(jù)，其通過(guò)求z-score的方法，轉(zhuǎn)換為標(biāo)準(zhǔn)正態(tài)分布，和整體樣本分布相關(guān)，每個(gè)樣本點(diǎn)都能對(duì)標(biāo)準(zhǔn)化產(chǎn)生影響。
• 歸一化會(huì)改變數(shù)據(jù)的原始距離，分布，信息；
• 標(biāo)準(zhǔn)化一般不會(huì)。

聯(lián)系：

• 它們的相同點(diǎn)在于都能取消由于量綱不同引起的誤差；
• 都是一種線性變換，都是對(duì)向量X按照比例壓縮再進(jìn)行平移。

5、使用情形：

什么時(shí)候用歸一化？什么時(shí)候用標(biāo)準(zhǔn)化？

（1）如果對(duì)輸出結(jié)果范圍有要求，用歸一化。

（2）如果數(shù)據(jù)較為穩(wěn)定，不存在極端的最大最小值，用歸一化。

（3）如果數(shù)據(jù)存在異常值和較多噪音，用標(biāo)準(zhǔn)化，可以間接通過(guò)中心化避免異常值和極端值的影響。

6、哪些模型必須歸一化/標(biāo)準(zhǔn)化？

• ①SVM
• ②KNN
• ③神經(jīng)網(wǎng)絡(luò)
• ④PCA等

總結(jié)

以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

最新評(píng)論