【Preprocessing数据预处理】之Scaler

在机器学习中,特征缩放是训练模型前数据预处理阶段的一个关键步骤。不同的缩放器被用来规范化或标准化特征。这里简要概述了您提到的几种缩放器:

StandardScaler

`StandardScaler` 通过去除均值并缩放至单位方差来标准化特征。这种缩放器假设特征分布是正态的,并将它们缩放为均值为零和标准差为一。用于缩放特征 `X` 的公式是:

其中 `μ` 是特征值的平均值,`σ` 是标准差。

MinMaxScaler

`MinMaxScaler` 将特征缩放到给定范围,通常在零和一之间,或者使最小和最大值与某个特定范围对齐。转换公式为:

其中 `X_min` 和 `X_max` 分别是特征的最小值和最大值。这种缩放将所有内点压缩到 [0, 1] 范围内。

RobustScaler

`RobustScaler` 使用类似于 `StandardScaler` 的方法,但它使用中位数和四分位数范围而不是均值和方差。这使得 `RobustScaler` 对异常值的敏感度较低。公式是:

其中 `M` 是中位数,`IQR` 是特征值的四分位数范围。

何时使用每种缩放器:

  • **StandardScaler**:当您的特征大致呈正态分布,并且您希望假设您的特征具有高斯分布时。

  • **MinMaxScaler**:当您知道特征的边界并希望将特征转换为在这些边界之间缩放时。

  • **RobustScaler**:当您的特征中有异常值并希望减少其影响时。

需要注意的是,特征缩放可能会影响您的机器学习模型的性能,特别是对于那些计算数据点之间距离的算法,比如 SVM 或 k-NN,或者那些对特征缩放敏感的基于梯度下降的算法。对于基于树的算法,特征缩放则不那么重要,因为它们是尺度不变的。

相关推荐
猫天意几秒前
【CVPR2023】奔跑而非行走:追求更高FLOPS以实现更快神经网络
人工智能·深度学习·神经网络·算法·机器学习·卷积神经网络
杀生丸学AI4 分钟前
【三维重建】3R-GS:优化相机位姿的3DGS最佳实践
人工智能·3d·aigc·三维重建·视觉大模型·高斯泼溅
羊羊小栈8 分钟前
基于「YOLO目标检测 + 多模态AI分析」的PCB缺陷检测分析系统(vue+flask+数据集+模型训练)
vue.js·人工智能·yolo·目标检测·flask·毕业设计·大作业
lihuayong9 分钟前
大模型预训练评估指标
人工智能·大模型评估·预训练评估
AI风老师16 分钟前
深度学习入门:打好数学与机器学习基础,迈向AI进阶之路
人工智能·深度学习·机器学习
FutureUniant20 分钟前
GitHub每日最火火火项目(9.10)
人工智能·microsoft·计算机视觉·ai·github
灵光通码20 分钟前
自然语言处理开源框架全面分析
人工智能·自然语言处理·开源
这张生成的图像能检测吗23 分钟前
(论文速读)从语言模型到通用智能体
人工智能·计算机视觉·语言模型·自然语言处理·多模态·智能体
BFT白芙堂29 分钟前
清华大学联合项目 论文解读 | MoTo赋能双臂机器人:实现零样本移动操作
机器学习·机器人·移动机器人·论文解读·具身智能·双臂机器人·cobotmagic
禁默40 分钟前
机器学习的发展与应用:从理论到现实
人工智能·机器学习