0. StandardScaler
去均值时，在测试集上进行预测时减去的均值是训练集上得到的均值；
import sklearn.preprocessing as prepdef standard_scale(X_train, X_test): preprocessor = prep.StandardScaler().fit(X_train) X_train = preprocessor.transform(X_train) X_test = preprocessor.transform(X_test) return X_train, X_test
- 1
- 2
- 3
- 4
- 5
- 6
- 7
1. one hot encoder
<a href=“http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html”, target="_blank">sklearn.preprocessing.OneHotEncoder
one hot encoder 不仅对 label 可以进行编码，还可对 categorical feature 进行编码：
>>> from sklearn.preprocessing import OneHotEncoder>>> enc = OneHotEncoder()>>> enc.fit([[0, 0, 3], [1, 1, 0], [0, 2, 1], [1, 0, 2]]) >>> enc.n_values_array([2, 3, 4])>>> enc.feature_indices_array([0, 2, 5, 9])>>> enc.transform([[0, 1, 1]]).toarray()array([[ 1., 0., 0., 1., 0., 0., 1., 0., 0.]])
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
为 OneHotEncoder 类传递进来的数据集：
[[0, 0, 3], [1, 1, 0], [0, 2, 1], [1, 0, 2]]
- 1
- 2
- 3
- 4
每一列代表一个属性，fit 操作之后：
- 对象
enc的n_values_成员变量，记录着每一个属性的最大取值数目，如本例第一个属性：0, 1, 0, 1⇒ 2，0, 1, 2, 0⇒ 3，3, 0, 1, 2⇒4；- 即各个属性（feature）在 one hot 编码下占据的位数；
- 对象
enc的feature_indices_，则记录着属性在新 One hot 编码下的索引位置，- feature_indices_ 是对 n_values_ 的累积值，不过 feature_indices 的首位是 0；
进一步通过 fit 好的 one hot encoder 对新来的特征向量进行编码：
>>> enc.transform([[0, 1, 1]]).toarray()array([[ 1., 0., 0., 1., 0., 0., 1., 0., 0.]])
- 1
- 2
- 前 2 位 1, 0，对 0 进行编码
- 中间 3 位 0, 1, 0 对 1 进行编码；
- 末尾 4 位 0, 1, 0, 0 对 1 进行编码；
再分享一下我老师大神的人工智能教程吧。零基础！通俗易懂！风趣幽默！还带黄段子！希望你也加入到我们人工智能的队伍中来！https://blog.csdn.net/jiangjunshow