Python sklearn KBinsDiscretizer用法及代码示例

本文简要介绍python语言中 sklearn.preprocessing.KBinsDiscretizer 的用法。

用法:

class sklearn.preprocessing.KBinsDiscretizer(n_bins=5, *, encode='onehot', strategy='quantile', dtype=None)

将连续数据分档为区间。

在用户指南中阅读更多信息。

参数：

n_bins：int 或形状类似数组 (n_features,)，默认=5

要生产的箱子数量。如果 n_bins < 2 则引发 ValueError 。

encode：{‘onehot’, 'onehot-dense', ‘ordinal’}, 默认='onehot'

用于对转换结果进行编码的方法。

• ‘onehot’：使用one-hot编码对变换后的结果进行编码，并返回一个稀疏矩阵。忽略的特征总是堆叠在右侧。
• ‘onehot-dense’：使用one-hot编码对转换后的结果进行编码，并返回一个密集数组。忽略的特征总是堆叠在右侧。
• ‘ordinal’：返回编码为整数值的 bin 标识符。

strategy：{‘uniform’, ‘quantile’, ‘kmeans’}，默认='分位数'

用于定义 bin 宽度的策略。

• ‘uniform’：每个特征中的所有 bin 具有相同的宽度。
• ‘quantile’：每个特征中的所有 bin 具有相同数量的点。
• ‘kmeans’：每个 bin 中的值具有相同的一维 k-means 簇的最近中心。

dtype：{np.float32, np.float64}，默认=无

输出所需的数据类型。如果为 None，则输出 dtype 与输入 dtype 一致。仅支持 np.float32 和 np.float64。

属性：

bin_edges_：ndarray of ndarray of shape (n_features,)

每个 bin 的边。包含不同形状的数组(n_bins_, ) 忽略的特征将有空数组。

n_bins_：ndarray 形状 (n_features,), dtype=np.int_

每个特征的 bin 数量。宽度太小(即 <= 1e-8)的 bin 将被删除并发出警告。

n_features_in_：int

拟合期间看到的特征数。

feature_names_in_：ndarray 形状(n_features_in_，)

拟合期间看到的特征名称。仅当 X 具有全为字符串的函数名称时才定义。

注意：

在特征 i 的 bin 边中，第一个和最后一个值仅用于 inverse_transform 。在变换期间，bin 边扩展到：

np.concatenate([-np.inf, bin_edges_[i][1:-1], np.inf])

如果您只想预处理部分特征，可以将KBinsDiscretizer 与 ColumnTransformer 结合使用。

KBinsDiscretizer 可能会产生恒定特征(例如，当 encode = 'onehot' 和某些 bin 不包含任何数据时)。可以使用特征选择算法(例如， VarianceThreshold )删除这些特征。

例子：

>>> from sklearn.preprocessing import KBinsDiscretizer
>>> X = [[-2, 1, -4,   -1],
...      [-1, 2, -3, -0.5],
...      [ 0, 3, -2,  0.5],
...      [ 1, 4, -1,    2]]
>>> est = KBinsDiscretizer(n_bins=3, encode='ordinal', strategy='uniform')
>>> est.fit(X)
KBinsDiscretizer(...)
>>> Xt = est.transform(X)
>>> Xt  
array([[ 0., 0., 0., 0.],
       [ 1., 1., 1., 0.],
       [ 2., 2., 2., 1.],
       [ 2., 2., 2., 2.]])

有时将数据转换回原始特征空间可能很有用。 inverse_transform 函数将分箱数据转换为原始特征空间。每个值将等于两个 bin 边的平均值。

>>> est.bin_edges_[0]
array([-2., -1.,  0.,  1.])
>>> est.inverse_transform(Xt)
array([[-1.5,  1.5, -3.5, -0.5],
       [-0.5,  2.5, -2.5, -0.5],
       [ 0.5,  3.5, -1.5,  0.5],
       [ 0.5,  3.5, -1.5,  1.5]])