如何仅规范化 scikit-learn 中的某些列？

Question

我有类似下面的数据：

[
   [0, 4, 15]
   [0, 3, 7]
   [1, 5, 9]
   [2, 4, 15]
]

我用 oneHotEncoder http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html#sklearn.preprocessing.OneHotEncoder.fit_transform 预处理了这些数据，所以它适合线性回归给我这个：

[
   [1, 0, 0, 4, 15]
   [1, 0, 0, 3, 7]
   [0, 1, 0, 5, 9]
   [0, 0, 1, 4, 15]
]

但是，我希望将此数据标准化。

到目前为止，我只是像这样规范化数据：

preprocessing.normalize(data)

但是，这会规范化所有列，包括类别列。

我的问题如下：

如何仅规范化某些列？
规范化类别数据是否可取，还是应该避免？

谢谢！

Answer 1

使用numpy to pass a slice of your data to normalize. As for your question about normalizing category data, you will probably get a better answer to that question on CrossValidated.

第一个问题的示例：

In [1]: import numpy as np
        from sklearn.preprocessing import normalize

        # Values as floats or normalize raises a type error
        X1 = np.array([
                      [1., 0., 0., 4., 15.],
                      [1., 0., 0., 3., 7.],
                      [0., 1., 0., 5., 9.],
                      [0., 0., 1., 4., 15.],
                      ])

In [2]: X1[:, [3,4]] # last two columns
Out[2]: array([[  4.,  15.],
               [  3.,   7.],
               [  5.,   9.],
               [  4.,  15.]])

规范化最后两列并分配给一个新的 numpy 数组，X2。

In [3]: X2 = normalize(X1[:, [3,4]], axis=0) #axis=0 for column-wise
        X2
Out[3]: array([[ 0.49236596,  0.6228411 ],
               [ 0.36927447,  0.29065918],
               [ 0.61545745,  0.37370466],
               [ 0.49236596,  0.6228411 ]])

现在连接 X1 和 X2 以获得您想要的输出。

In [4]: np.concatenate(( X1[:,[0,1,2]], X2), axis=1)
Out[4]: array([[ 1.        ,  0.        ,  0.        ,  0.49236596,  0.6228411 ],
               [ 1.        ,  0.        ,  0.        ,  0.36927447,  0.29065918],
               [ 0.        ,  1.        ,  0.        ,  0.61545745,  0.37370466],
               [ 0.        ,  0.        ,  1.        ,  0.49236596,  0.6228411 ]])

Answer 2

如果您正在使用 pandas.DataFrame，您可能需要检查 sklearn-pandas。

Answer 3

您可以使用 sklearn.preprocessing.MinMaxScaler 函数将数据缩放到最大值 = 1 和最小值 = 0。您可以在此处查看文档 https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.MinMaxScaler

如何仅规范化 scikit-learn 中的某些列？

How to normalize only certain columns in scikit-learn?

python

normalization

scikit-learn