标准缩放器、最小最大缩放器和鲁棒缩放器技术–ML
原文:https://www . geesforgeks . org/standard scaler-minmax scaler-and-robust scaler-technologies-ml/
标准标度遵循标准正态分布。因此，它使均值= 0 并将数据换算成单位方差。
最小最大缩放器缩放范围【0，1】内的所有数据特征，如果数据集中有负值，则缩放范围【-1，1】内的所有数据特征。此缩放会压缩窄范围【0，0.005】内的所有内联。
在存在异常值的情况下，由于在计算经验均值和标准差时异常值的影响，StandardScaler 不能保证特征尺度的平衡。这导致特征值范围的缩小。
通过使用鲁棒缩放器()，我们可以去除异常值，然后使用标准缩放器或最小最大缩放器对数据集进行预处理。
RobustScaler 的工作原理:
类
sklearn . preference . RobustScaler(
with _ centering = True，
with_scaling=True，
分位数 _range=(25.0，75.0)
copy = True，
)
它使用对异常值具有鲁棒性的统计数据来缩放特征。此方法移除中间值，并缩放第一个四分位数和第三个四分位数之间的数据。即在第 25 分位数和第 75 分位数范围之间。该范围也称为四分位数范围。
然后存储中位数和四分位数范围，以便在将来使用转换方法的数据中使用。如果数据集中存在异常值，则中位数和四分位数范围提供更好的结果，并优于样本均值和方差。
RobustScaler 使用四分位数范围，因此对异常值具有鲁棒性。因此它的公式如下:
代码:StandardScaler、MinMaxScaler 和 RobustScaler 的比较。T43】
Python 3
# Importing libraries
import pandas as pd
import numpy as np
from sklearn import preprocessing
import matplotlib
import matplotlib.pyplot as plt
import seaborn as sns % matplotlib inline
matplotlib.style.use('fivethirtyeight')
# data
x = pd.DataFrame({
# Distribution with lower outliers
'x1': np.concatenate([np.random.normal(20, 2, 1000), np.random.normal(1, 2, 25)]),
# Distribution with higher outliers
'x2': np.concatenate([np.random.normal(30, 2, 1000), np.random.normal(50, 2, 25)]),
})
np.random.normal
scaler = preprocessing.RobustScaler()
robust_df = scaler.fit_transform(x)
robust_df = pd.DataFrame(robust_df, columns =['x1', 'x2'])
scaler = preprocessing.StandardScaler()
standard_df = scaler.fit_transform(x)
standard_df = pd.DataFrame(standard_df, columns =['x1', 'x2'])
scaler = preprocessing.MinMaxScaler()
minmax_df = scaler.fit_transform(x)
minmax_df = pd.DataFrame(minmax_df, columns =['x1', 'x2'])
fig, (ax1, ax2, ax3, ax4) = plt.subplots(ncols = 4, figsize =(20, 5))
ax1.set_title('Before Scaling')
sns.kdeplot(x['x1'], ax = ax1, color ='r')
sns.kdeplot(x['x2'], ax = ax1, color ='b')
ax2.set_title('After Robust Scaling')
sns.kdeplot(robust_df['x1'], ax = ax2, color ='red')
sns.kdeplot(robust_df['x2'], ax = ax2, color ='blue')
ax3.set_title('After Standard Scaling')
sns.kdeplot(standard_df['x1'], ax = ax3, color ='black')
sns.kdeplot(standard_df['x2'], ax = ax3, color ='g')
ax4.set_title('After Min-Max Scaling')
sns.kdeplot(minmax_df['x1'], ax = ax4, color ='black')
sns.kdeplot(minmax_df['x2'], ax = ax4, color ='g')
plt.show()
输出:
鲁棒缩放器参数:
- 带 _ 居中:布尔:默认为真。如果该值为真，则数据在缩放前居中。当它应用于稀疏矩阵时，转换将引发异常，因为对它们进行中心化需要构建一个密集的矩阵，该矩阵通常太大而不适合内存。
- with_scaling: boolean: 默认情况下也设置为 True。它将数据缩放到四分位数范围。
- 分位数 _ 范围:元组(q_min，q_max)，0.0<q _ min<q _ max<100.0:分位数范围用于计算比例。默认情况下，其设置如下。默认值: (25.0，75.0) =(第一分位数，第三分位数)= IQR。
- 复制:布尔是可选参数。默认情况下，它为真。如果输入已经是 NumPy 数组或 scipy.sparse CSC 矩阵，并且如果轴= 1 ，通过将该参数设置为 False 来避免复制，而是执行就地行规范化。
属性:
- center_:浮动数组:训练集中每个特征的中值。
- scale_:浮动数组:训练集中特征的缩放四分位数范围。
版权属于：月萌API www.moonapi.com，转载请注明出处
