Python sklearn quantile_transform用法及代码示例

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

用法:

sklearn.preprocessing.quantile_transform(X, *, axis=0, n_quantiles=1000, output_distribution='uniform', ignore_implicit_zeros=False, subsample=100000, random_state=None, copy=True)

使用分位数信息转换特征。

此方法将特征转换为遵循均匀或正态分布。因此，对于给定的特征，这种转换往往会分散最常见的值。它还减少了(边际)异常值的影响：因此这是一个强大的预处理方案。

转换独立地应用于每个特征。首先，使用特征的累积分布函数的估计值将原始值映射到均匀分布。然后使用相关的分位数函数将获得的值映射到所需的输出分布。低于或高于拟合范围的新/未见数据的特征值将映射到输出分布的边界。请注意，此变换是非线性的。它可能会扭曲以相同尺度测量的变量之间的线性相关性，但会使以不同尺度测量的变量更直接地具有可比性。

在用户指南中阅读更多信息。

参数：

X：{类数组，稀疏矩阵}，形状为 (n_samples, n_features)

要转换的数据。

axis：整数，默认=0

用于计算平均值和标准差的轴。如果为 0，则变换每个特征，否则(如果为 1)变换每个样本。

n_quantiles：int，默认 = 1000 或 n_samples

要计算的分位数。它对应于用于离散累积分布函数的地标数量。如果 n_quantiles 大于样本数，则将 n_quantiles 设置为样本数，因为较大数量的分位数不会更好地逼近累积分布函数估计器。

output_distribution：{‘uniform’, ‘normal’}，默认='uniform'

转换后数据的边际分布。选项为‘uniform’(默认)或‘normal’。

ignore_implicit_zeros：布尔，默认=假

仅适用于稀疏矩阵。如果为 True，则丢弃矩阵的稀疏条目以计算分位数统计信息。如果为 False，这些条目将被视为零。

subsample：整数，默认=1e5

用于估计分位数以提高计算效率的最大样本数。请注意，value-identical 稀疏矩阵和密集矩阵的子采样过程可能不同。

random_state：int、RandomState 实例或无，默认=无

确定用于二次采样和平滑噪声的随机数生成。有关详细信息，请参阅subsample。传递 int 以获得跨多个函数调用的可重现结果。见词汇表

copy：布尔，默认=真

设置为 False 以执行就地转换并避免复制(如果输入已经是一个 numpy 数组)。如果为 True，则转换 X 的副本，而原始 X 保持不变

..versionchanged::0.23

copy 的默认值在 0.23 中从 False 更改为 True。

返回：

Xt：{ndarray, 稀疏矩阵} 形状 (n_samples, n_features)

转换后的数据。

注意：

NaNs 被视为缺失值：在拟合中忽略，并在变换中保持。

警告

数据泄露风险

不使用quantile_transform除非你知道你在做什么。一个常见的错误是将其应用于整个数据前分为训练集和测试集。这将使模型评估产生偏差，因为信息会从测试集泄漏到训练集。一般来说，我们建议使用sklearn.preprocessing.QuantileTransformer在一个管道为了防止大多数数据泄露风险：pipe = make_pipeline(QuantileTransformer(), LogisticRegression()).

有关不同缩放器、转换器和规范器的比较，请参阅示例/预处理/plot_all_scaling.py。

例子：

>>> import numpy as np
>>> from sklearn.preprocessing import quantile_transform
>>> rng = np.random.RandomState(0)
>>> X = np.sort(rng.normal(loc=0.5, scale=0.25, size=(25, 1)), axis=0)
>>> quantile_transform(X, n_quantiles=10, random_state=0, copy=True)
array([...])