python sklearn数据预处理之数据缩放详解

数据的预处理是数据分析，或者机器学习训练前的重要步骤。

通过数据预处理，可以

• 提高数据质量，处理数据的缺失值、异常值和重复值等问题，增加数据的准确性和可靠性
• 整合不同数据，数据的来源和结构可能多种多样，分析和训练前要整合成一个数据集
• 提高数据性能，对数据的值进行变换，规约等（比如无量纲化），让算法更加高效

本篇介绍的数据缩放处理，主要目的是消除数据的不同特征之间的量纲差异，使得每个特征的数值范围相同。这样可以避免某些特征对模型的影响过大，从而提高模型的性能。

1. 原理

数据缩放有多种方式，其中有一种按照最小值-最大值缩放的算法是最常用的。
其主要步骤如下：

• 计算数据列的最小值（min）和最大值（max）
• 对数据列中的每个值进行最小-最大缩放，即将其转换为 **[0,1]区间 **之内的一个值

缩放公式为：new_data=(data−min​)/(max−min)

实现缩放的代码如下：

# 数据缩放的实现原理
data = np.array([10, 20, 30, 40, 50])
min = np.min(data)
max = np.max(data)
data_new = (data - min) / (max-min)
print("处理前: {}".format(data))
print("处理后: {}".format(data_new))
# 运行结果
处理前: [10 20 30 40 50]
处理后: [0.   0.25 0.5  0.75 1.  ]

数值被缩放到 **[0,1]区间 **之内。

这个示例只是为了演示缩放的过程，实际场景中最好使用scikit-learn库中的函数。

scikit-learn中的minmax_scale函数是封装好的数据缩放函数。

from sklearn import preprocessing as pp
data = np.array([10, 20, 30, 40, 50])
pp.minmax_scale(data, feature_range=(0, 1))
# 运行结果
array([0.  , 0.25, 0.5 , 0.75, 1.  ])

使用scikit-learn中的minmax_scale函数得到的结果是一样的，数据也被压缩到 **[0,1]区间 **之内。

所以 数据缩放 的这个操作有时也被称为归一化。

不过，数据缩放不一定非得把数据压缩到 **[0,1]区间 **之内，

通过调整feature_range参数，可以把数据压缩到任意的区间。

# 压缩到[0, 1]
print(pp.minmax_scale(data, feature_range=(0, 1)))
# 压缩到[-1, 1]
print(pp.minmax_scale(data, feature_range=(-1, 1)))
# 压缩到[0, 5]
print(pp.minmax_scale(data, feature_range=(0, 5)))
# 运行结果
[0.   0.25 0.5  0.75 1.  ]
[-1.  -0.5  0.   0.5  1. ]
[0.   1.25 2.5  3.75 5.  ]

2. 作用

数据缩放的作用主要有：

2.1. 统一数据尺度

通过缩放处理，将不同量纲、不同尺度、不同单位的数据转换成一个统一的尺度，

避免由于数据量纲不一致而导致的数据分析结果失真或误导。

2.2. 增强数据可比性

通过缩放处理，将不同量纲、不同尺度、不同单位的数据转换成一个统一的尺度，使得不同数据之间的比较更加方便和有意义。

例如，在评价多个样本的性能时，如果采用不同的量纲、不同尺度、不同单位进行比较，会导致比较结果不准确甚至误导。

通过统一的缩放处理之后，可以消除这种影响，使得比较结果更加准确可信。

2.3. 增强数据稳定性

通过缩放处理，将数据的数值范围调整到一个相对较小的区间内，

增加数据的稳定性，避免由于数据分布范围过大或过小而导致的分析误差或计算误差。

2.4. 提高算法效率和精度

通过缩放处理，使得一些计算算法的效率和精度得到提高。

例如，在神经网络算法中，如果输入数据的尺度过大或过小，会导致算法训练时间过长或过短，同时也会影响算法的精度和稳定性。

而缩放处理之后，就可以使算法的训练时间和精度得到优化。

3. 总结

在scikit-learn库中，处理数据缩放不是只有上面的最小值-最大值缩放，

还可用StandardScaler进行标准化缩放；用RobustScaler实现尺度缩放和平移等等。

进行数据缩放时，需要注意一点，就是缩放处理对异常值非常敏感，

如果数据中存在极大或者极小的异常值时，有可能会破坏原始数据本身。

所以，缩放处理前，最好把异常值过滤掉。

到此这篇关于python sklearn数据预处理之数据缩放详解的文章就介绍到这了,更多相关sklearn数据预处理内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

最新评论