Как нормализовать только определенные столбцы в scikit-learn?

у меня есть данные, аналогичные следующим:

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

Я oneHotEncoder http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html#sklearn.preprocessing.OneHotEncoder.fit_transform чтобы предварительно обработать эти данные, поэтому он подходит для линейной регрессии, чтобы дать мне это:

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

однако затем я хочу нормализовать эти данные.

до сих пор я просто нормализовать данные, как Итак:

preprocessing.normalize(data)

однако это нормализует все столбцы, включая категории.

мои вопросы следующие:

  • Как нормализовать только определенные столбцы?
  • желательно ли нормализовать данные категории, или я должен избегать этого?

спасибо!

7
normalization python scikit-learn

2 ответов

использовать numpy чтобы передать фрагмент ваших данных в normalize. Что касается вашего вопроса о нормализации данных категорий, то вы, вероятно, получите лучший ответ на этот вопрос CrossValidated.

пример для вашего первого вопроса:

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.]])

нормализовать последние два столбца и назначить новый массив numpy,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 ]])

теперь сцепить X1 и X2 для желаемого выхода.

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 ]])
6

Если вы используете pandas.DataFrame, вы, возможно, захотите, чтобы проверить sklearn-панды.

1