python數(shù)據(jù)預(yù)處理之數(shù)據(jù)標準化的幾種處理方式
何為標準化:
在數(shù)據(jù)分析之前,我們通常需要先將數(shù)據(jù)標準化(normalization),利用標準化后的數(shù)據(jù)進行數(shù)據(jù)分析。數(shù)據(jù)標準化也就是統(tǒng)計數(shù)據(jù)的指數(shù)化。數(shù)據(jù)標準化處理主要包括數(shù)據(jù)同趨化處理和無量綱化處理兩個方面。數(shù)據(jù)同趨化處理主要解決不同性質(zhì)數(shù)據(jù)問題,對不同性質(zhì)指標直接加總不能正確反映不同作用力的綜合結(jié)果,須先考慮改變逆指標數(shù)據(jù)性質(zhì),使所有指標對測評方案的作用力同趨化,再加總才能得出正確結(jié)果。數(shù)據(jù)無量綱化處理主要解決數(shù)據(jù)的可比性。
幾種標準化方法:
歸一化Max-Min
min-max標準化方法是對原始數(shù)據(jù)進行線性變換。設(shè)minA和maxA分別為屬性A的最小值和最大值,將A的一個原始值x通過min-max標準化映射成在區(qū)間[0,1]中的值x',其公式為:
新數(shù)據(jù)=(原數(shù)據(jù)-最小值)/(最大值-最小值)
這種方法能使數(shù)據(jù)歸一化到一個區(qū)域內(nèi),同時不改變原來的數(shù)據(jù)結(jié)構(gòu)。
實現(xiàn)中心化Z-Score
這種方法基于原始數(shù)據(jù)的均值(mean)和標準差(standard deviation)進行數(shù)據(jù)的標準化。將A的原始值x使用z-score標準化到x'。
z-score標準化方法適用于屬性A的最大值和最小值未知的情況,或有超出取值范圍的離群數(shù)據(jù)的情況。
新數(shù)據(jù)=(原數(shù)據(jù)-均值)/標準差
這種方法適合大多數(shù)類型數(shù)據(jù),也是很多工具的默認標準化方法。標準化之后的數(shù)據(jù)是以0為均值,方差為以的正太分布。但是Z-Score方法是一種中心化方法,會改變原有數(shù)據(jù)的分布結(jié)構(gòu),不適合用于對稀疏數(shù)據(jù)做處理。
很多時候數(shù)據(jù)集會存在稀疏特征,表現(xiàn)為標準差小,很多元素值為0,最常見的稀疏數(shù)據(jù)集是用來做協(xié)同過濾的數(shù)據(jù)集,絕大部分數(shù)據(jù)都是0。對稀疏數(shù)據(jù)做標準化,不能采用中心化的方式,否則會破壞稀疏數(shù)據(jù)的結(jié)構(gòu)。
用于稀疏數(shù)據(jù)的MaxAbs
最大值絕對值標準化(MaxAbs)即根據(jù)最大值的絕對值進行標準化,假設(shè)原轉(zhuǎn)換的數(shù)據(jù)為x,新數(shù)據(jù)為x',那么x'=x/|max|,其中max為x鎖在列的最大值。
該方法的數(shù)據(jù)區(qū)間為[-1, 1],也不破壞原數(shù)據(jù)結(jié)構(gòu)的特點,因此也可以用于稀疏數(shù)據(jù),一些稀疏矩陣。
針對離群點的RobustScaler
有些時候,數(shù)據(jù)集中存在離群點,用Z-Score進行標準化,但是結(jié)果不理想,因為離群點在標準化后喪失了利群特性。RobustScaler針對離群點做標準化處理,該方法對數(shù)據(jù)中心化的數(shù)據(jù)的縮放健壯性有更強的參數(shù)控制能力。
python實現(xiàn)
import numpy as np import pandas as pd from sklearn import preprocessing import matplotlib.pyplot as plt from sklearn.datasets import make_moons import matplotlib.pyplot as plt %matplotlib inline # 導(dǎo)入數(shù)據(jù) data = make_moons(n_samples=200, noise=10)[0] #Z-Score標準化 #建立StandardScaler對象 zscore = preprocessing.StandardScaler() # 標準化處理 data_zs = zscore.fit_transform(data) #Max-Min標準化 #建立MinMaxScaler對象 minmax = preprocessing.MinMaxScaler() # 標準化處理 data_minmax = minmax.fit_transform(data) #MaxAbs標準化 #建立MinMaxScaler對象 maxabs = preprocessing.MaxAbsScaler() # 標準化處理 data_maxabs = maxabs.fit_transform(data) #RobustScaler標準化 #建立RobustScaler對象 robust = preprocessing.RobustScaler() # 標準化處理 data_rob = robust.fit_transform(data) # 可視化數(shù)據(jù)展示 # 建立數(shù)據(jù)集列表 data_list = [data, data_zs, data_minmax, data_maxabs, data_rob] # 創(chuàng)建顏色列表 color_list = ['blue', 'red', 'green', 'black', 'pink'] # 創(chuàng)建標題樣式 title_list = ['source data', 'zscore', 'minmax', 'maxabs', 'robust'] # 設(shè)置畫幅 plt.figure(figsize=(9, 6)) # 循環(huán)數(shù)據(jù)集和索引 for i, dt in enumerate(data_list): # 子網(wǎng)格 plt.subplot(2, 3, i+1) # 數(shù)據(jù)畫散點圖 plt.scatter(dt[:, 0], dt[:, 1], c=color_list[i]) # 設(shè)置標題 plt.title(title_list[i]) # 圖片儲存 plt.savefig('xx.png') # 圖片展示 plt.show()
參考:
《python數(shù)據(jù)分析與數(shù)據(jù)化運營》 宋天龍
以上就是本文的全部內(nèi)容,希望對大家的學習有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
python 虛擬環(huán)境的創(chuàng)建與使用方法
本文先介紹虛擬環(huán)境的基礎(chǔ)知識以及使用方法,然后再深入介紹虛擬環(huán)境背后的工作原理,需要的朋友可以參考下2021-06-06利用OpenCV+Tensorflow實現(xiàn)的手勢識別
這幾天沒事,想著再學點一些視覺識別方向的東西,因為之前做了驗證碼識別,有了機器學習的信心,因此這次打算做個手勢識別,下面這篇文章主要給大家介紹了關(guān)于利用OpenCV+Tensorflow實現(xiàn)的手勢識別的相關(guān)資料,需要的朋友可以參考下2022-11-11PyTorch之nn.ReLU與F.ReLU的區(qū)別介紹
這篇文章主要介紹了PyTorch之nn.ReLU與F.ReLU的區(qū)別介紹,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-06-06PyTorch中g(shù)rid_sample的使用及說明
這篇文章主要介紹了PyTorch中g(shù)rid_sample的使用及說明,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教2023-02-02對python numpy.array插入一行或一列的方法詳解
今天小編就為大家分享一篇對python numpy.array插入一行或一列的方法詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-01-01