RobustScaler 实现是类似于 StandardScaler 和MinMaxScaler 的特征缩放,但它使用统计中位数和四分位数,因此对异常值更加健壮,通常用于处理有异常值的数据。该Scaler的计算公式为 (X - Q2)/(Q3 - Q1),其中 Q1 和 Q3 分别是数据的第一个和第三个四分位数,Q2 是数据的中位数。 使用RobustScaler,以下是示例代码...
scaler=preprocessing.RobustScaler()robust_df=scaler.fit_transform(x)robust_df=pd.DataFrame(robust_df,columns=['x1','x2'])scaler=preprocessing.StandardScaler()standard_df=scaler.fit_transform(x)standard_df=pd.DataFrame(standard_df,columns=['x1','x2'])scaler=preprocessing.MinMaxScaler()minmax_df=...
2.3 RobustScaler:缩放有异常值的特征。 第3章 非线性变换:标准化StandardScaler 3.1 特征的标准化概述 3.2 代码案例 第4章 非线性变换:正则化Normalizer 4.1 概述 4.2 代码案例 第1章 数据的无量纲处...
2.3 RobustScaler:缩放有异常值的特征。 第3章 非线性变换:标准化StandardScaler 3.1 特征的标准化概述 3.2 代码案例 第4章 非线性变换:正则化Normalizer 4.1 概述 4.2 代码案例 第1章 数据的无量纲处...