03-特征预处理

特征的预处理：对数据进行处理。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

两种方式：

1. 归一化
2. 标准化

数值型数据：标准缩放

1. 归一化：通过对原始数据进行变换把数据映射到0-1之间。 在这里插入图片描述
   • 作用于：每一列
   • 什么时候进行归一化：当多个特征同等重要的时候，使得一个特征不会对最后的结果造成更大的影响，只适合传统精确小数据场景
   • 数据当中如果异常点较多，会有什么影响？：异常点对最大值最小值影响太大
   • 缺点：归一化对异常点的数据处理不是很好
2. 标准化：使用最广泛的，通过对原始数据进行变换把数据变换到均值为0，标准差（方差开方）为1的范围内。作用于每一列。 公式见ppt74页
   • ps：由于数据量（较大）的关系，异常点对平均值的影响不大（公式里面用到了平均值）
   • 特点：在已有样本足够多的情况下比较稳定，适合现代嘈杂大数据场景
   • 缺失值：主要是用pandas进行处理
     • 如何处理：
       • 删除（结合数据量考虑，一般不考虑删除）
       • 填补：可以按行或按列，一般建议按列
     • sklearn中处理缺失值的类：Imputer。注意：数据必须是np.nan
       pandas中对缺失数据进行处理：pd.dropna，pd.fillna。注意：缺失值应为np.nan，float类型

• 类别型数据：ont-hot编码

• 时间类型：时间的切分

• sklearn特征处理api：sklearn.preprocessing.

from sklearn.preprocessing import MinMaxScaler


def mm():
    """
    归一化处理
    :return: None
    """
    mm = MinMaxScaler(feature_range=(0, 1))  # 参数的默认范围是0-1
    data = mm.fit_transform([[90, 2, 10, 40],
                             [60, 4, 15, 45],
                             [75, 3, 13, 46]]
                            )  # 注意：数据为2维列表形式
    print(data)


from sklearn.preprocessing import StandardScaler


def stand():
    """
    标准化缩放
    :return: None
    """
    std = StandardScaler()
    data = std.fit_transform([[1., -1., 3.],
                              [2., 4., 2.],
                              [4., 6., -1.]]
                             )  # 注意，2维数组
    print(data)  # 会发现每一列（每一个特征）的平均值都是0
    return None


from sklearn.impute import SimpleImputer
import numpy as np

def im():
    """
    缺失值处理
    :return: None
    """
    im = SimpleImputer(missing_values=np.nan, strategy="mean")
    data = im.fit_transform([[1, 2],
                      [np.nan, 3],
                      [7, 6]]
                     )
    print(data) #（1，0）位置为4
    return None


if __name__ == "__main__":
    # mm()
    # stand()
    im()