Feature Engineering
1. 数据预处理
sklearn.preprocessing
1 | from sklearn.preprocessing import StandardScaler |
| 类 | 功能 | 说明 | |
|---|---|---|---|
| StandardScaler | $x’=\frac{x-\overline{x}}{\sigma}$ | 标准化(无量纲化) | 基于特征矩阵的列，将特征值转换至服从标准正态分布 $x ~ \mathcal{N}[0,1]$ |
| MinMaxScaler | $x’=\frac{x-min}{max-min}$ | (区间缩放)无量纲化 | 基于最大最小值，将特征值转换到[0, 1]区间上 |
| Normalizer | $x’=\frac{x}{\sqrt{\sum_{j} x_j^2}}$ | 归一化 | 基于特征矩阵的行，将样本向量转换为“单位向量” |
| Binarizer | $x’=\begin{cases}1, x>threshhold \ 0, x \leq threshold\end{cases}$ | 二值化 | 基于给定阈值，将定量特征按阈值划分 |
| OneHotEncoder | 000100,001000,… | 哑编码(dummy) | 将定性数据编码为定量数据 |
| Imputer | 缺失值计算(nan) | 计算缺失值，缺失值可填充为均值等 | |
| PolynomialFeatures | $(x_1,x_2)=(1,x_1^2,x_2^2,x_1x_2)$ | 多项式数据转换 | 多项式数据转换 |
| FunctionTransformer | FunctionTransformer(log1p).fit_transform(iris.data) | 自定义单元数据转换 | 使用单变元的函数来转换数据 |
2. 特征选择
| 类 | 所属方式 | 说明 |
|---|---|---|
| VarianceThreshold | Filter | 方差选择法 |
| SelectKBest | Filter | 可选关联系数、卡方校验、最大信息系数作为得分计算的方法 |
| RFE | Wrapper | 递归地训练基模型，将权值系数较小的特征从特征集合中消除 |
| SelectFromModel | Embedded | 训练基模型，选择权值系数较高的特征 |
3.降维
PCA是为了让映射后的样本具有最大的发散性；而LDA是为了让映射后的样本有最好的分类性能。所以说PCA是一种无监督的降维方法，而LDA是一种有监督的降维方法。
| 库 | 类 | 说明 |
|---|---|---|
| decomposition | PCA | 主成分分析法 |
| lda | LDA | 线性判别分析法 |
References: