谁能解释一下StandardScaler？

Question

我无法理解page文档中StandardScaler的sklearn。

有人能用简单的语言向我解释一下吗？

Answer 1

StandardScaler背后的想法是它将转换您的数据，使其分布的平均值为0，标准差为1.给定数据的分布，数据集中的每个值将减去样本均值，然后除通过整个数据集的标准偏差。

Answer 2

主要思想是在应用机器学习技术之前对您的特征进行标准化/标准化（mean = 0和standard deviation = 1）。

您应该记住的一件重要事情是，大多数（如果不是全部）scikit-learn模型/类/函数，期望作为输入具有尺寸/形状X的矩阵[number_of_samples, number_of_features]。这是非常重要的。其他一些库期望作为输入反向。

StandardScaler()将标准化特征（X的每一列，单独!!!），以便每个列/特征/变量将具有mean = 0和standard deviation = 1。

例：

from sklearn.preprocessing import StandardScaler
import numpy as np

# 4 samples/observations and 2 variables/features
data = np.array([[0, 0], [1, 0], [0, 1], [1, 1]])
scaler = StandardScaler()
scaled_data = scaler.fit_transform(data)

print(data)
[[0, 0],
 [1, 0],
 [0, 1],
 [1, 1]])

print(scaled_data)
[[-1. -1.]
 [ 1. -1.]
 [-1.  1.]
 [ 1.  1.]]

验证每个要素（列）的平均值是否为0：

scaled_data.mean(axis = 0)
array([0., 0.])

验证每个功能（列）的std是否为1：

scaled_data.std(axis = 0)
array([1., 1.])

数学：

Answer 3

如何计算：

你可以在这里阅读更多：

http://sebastianraschka.com/Articles/2014_about_feature_scaling.html#standardization-and-min-max-scaling

Answer 4

StandardScaler执行标准化任务。通常，数据集包含规模不同的变量。对于例如Employee数据集将包含AGE列，其值为20-70，SALARY列的值为10000-80000。由于这两列的规模不同，它们在建立机器学习模型时具有标准化，具有共同的规模。

Answer 5

当您想要比较与不同单位对应的数据时，这非常有用。在这种情况下，您要删除单位。要以一致的方式对所有数据执行此操作，您需要以方差为单一的方式转换数据，并且系列的均值为0。

Answer 6

上面的答案很棒，但我需要一个简单的例子来缓解我过去的一些担忧。我想确保它确实分别处理每个列。我现在放心了，无法找到让我担心的例子。如上所述，所有列都是单独缩放的。

CODE

import pandas as pd
import scipy.stats as ss
from sklearn.preprocessing import StandardScaler


data= [[1, 1, 1, 1, 1],[2, 5, 10, 50, 100],[3, 10, 20, 150, 200],[4, 15, 40, 200, 300]]

df = pd.DataFrame(data, columns=['N0', 'N1', 'N2', 'N3', 'N4']).astype('float64')

sc_X = StandardScaler()
df = sc_X.fit_transform(df)

num_cols = len(df[0,:])
for i in range(num_cols):
    col = df[:,i]
    col_stats = ss.describe(col)
    print(col_stats)

OUTPUT

DescribeResult(nobs=4, minmax=(-1.3416407864998738, 1.3416407864998738), mean=0.0, variance=1.3333333333333333, skewness=0.0, kurtosis=-1.3599999999999999)
DescribeResult(nobs=4, minmax=(-1.2828087129930659, 1.3778315806221817), mean=-5.551115123125783e-17, variance=1.3333333333333337, skewness=0.11003776770595125, kurtosis=-1.394993095506219)
DescribeResult(nobs=4, minmax=(-1.155344148338584, 1.53471088361394), mean=0.0, variance=1.3333333333333333, skewness=0.48089217736510326, kurtosis=-1.1471008824318165)
DescribeResult(nobs=4, minmax=(-1.2604572012883055, 1.2668071116222517), mean=-5.551115123125783e-17, variance=1.3333333333333333, skewness=0.0056842140599118185, kurtosis=-1.6438177182479734)
DescribeResult(nobs=4, minmax=(-1.338945389819976, 1.3434309690153527), mean=5.551115123125783e-17, variance=1.3333333333333333, skewness=0.005374558840039456, kurtosis=-1.3619131970819205)

Answer 7

应用StandardScaler()后，X中的每列平均值为0，标准差为1。

此页面上的其他人列出了公式。

基本原理：一些算法要求数据看起来像这样（参见sklearn docs）。

Answer 8

以下是一个简单的工作示例，用于解释标准化计算的工作原理。理论部分已在其他答案中得到很好的解释。

>>>import numpy as np
>>>data = [[6, 2], [4, 2], [6, 4], [8, 2]]
>>>a = np.array(data)

>>>np.std(a, axis=0)
array([1.41421356, 0.8660254 ])

>>>np.mean(a, axis=0)
array([6. , 2.5])

>>>from sklearn.preprocessing import StandardScaler
>>>scaler = StandardScaler()
>>>scaler.fit(data)
>>>print(scaler.mean_)

#Xchanged = (X−μ)/σ  WHERE σ is Standard Deviation and μ is mean
>>>z=scaler.transform(data)
>>>z

计算

正如您在输出中看到的那样，均值是[6。，2.5]和标准差是[1.41421356,0.8660254]

数据是（0,1）位置是2标准化=（2 - 2.5）/0.8660254 = -0.57735027

（1,0）位置的数据为4标准化=（4-6）/1.41421356 = -1.414

标准化后的结果

标准化后检查平均值和标准偏差

注意：-2.77555756e-17非常接近0。

参考

谁能解释一下StandardScaler？

问题描述投票：42回答：8

8个回答

CODE

OUTPUT

最新问题

谁能解释一下StandardScaler？

问题描述 投票：42回答：8

8个回答

CODE

OUTPUT

最新问题

问题描述投票：42回答：8