变量处理中的标准化方法
Posted oaksharks
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了变量处理中的标准化方法相关的知识,希望对你有一定的参考价值。
关于标准化的几点理解:
- 标准化(Standard),是将数据以一个相同的尺度进行缩放
- 归一化(Normalization)是以缩放到[0,1]区间
- sklearn中的Scaler,可以将数据缩放到给定的区间内
- 归一化可以理解成一种特殊的标准化
使用归一化消除不同量纲之间的差异,一般情况下使用线性模型 务必要对连续特征做归一化。
MaxMinScaler
注意,以下公式用于只有一个随机变量的情况。
1. 归一化(缩放到[0,1]区间)
\\(
X_std = \\fracX-X_minX_max-X_min
\\)
2. 缩放到给定的[min, max]区间
\\(
X_scaled =X_std * (max - min) + min
\\)
说明:
- 加上min 可以保证 \\(X_scaled\\) 最小值为 min
- \\(X_std\\)最大值为1,保证了 \\(X_scaled\\)的最大值为max
- 需要缩放到数据在指定范围时候可以选择此方法,能够较好保留原始特征的信息。
StandardScaler
标准化(Standardization) ,也就是计算Z-Score,可使得数据的均值为0,方差为1,计算公式:
\\( X_z-score = \\fracX-\\mu\\sigma \\)
推导均值为0:
(equation 1)
其中:
所以equation 1
中的分子为0,可以得到:
\\(\\bar x_z-score = 0\\)
推导方差为1:
(equation 2)
其中:
\\(
\\sigma =\\fracx_2-x_1 + x_3-x_2 + ... + x_n-x_n-1n-1
\\)
可以得到:
\\(\\sigmaz-score = 1\\)
需要控制数据的均值和方差时候可以选择此方法。
Normalizer
正则化,利用范数进行归一化,计算方法:
\\( Norm(X_i) = \\fracx_i||X||_p ;where X=\\x_1, x_2, ..., x_i\\ \\)
其中\\(||X||_p\\)表示X的p范数,标准化的过程就是每一个样本除以改变量的p范数,以2范数为例计算方法:
\\( ||X||_2 = \\sqrtx_1^2 + x_2^2 + ... + x_n^2 \\)
X变量的p范数计算方法:
\\( ||X||_p = (\\sum x_1^p + x_2^p + ... +x_n^p)^\\frac1p \\)
\\(L_2\\)范数可以将数据缩放到[0,1]区间:
\\(
Norm_2(x_i) = \\fracx_i^2 x_1^2 + x_2^2 + x_i^2 + ... + x_n^2
\\)
因为\\(x_1^2 + x_2^2 + x_i^2 + ... + x_n^2x>=x_i^2>0\\) 所以\\(Norm_2(x_i)\\)也是[0,1]区间。
称呼
上面这几种方式都是标准化方法,也都能实现归一化,但是实际上对它们的翻译是:
- MaxMinScaler - 归一化(明显可以把变量缩放到给0,1区间)
- StandardScaler - 标准化(因为将数据缩放到一个正太分布了??)
- Normalizer - 正则化(使用了范数)
知道它们具体是怎么就好了。。。。
以上是关于变量处理中的标准化方法的主要内容,如果未能解决你的问题,请参考以下文章