Python sklearn quantile_transform用法及代碼示例

本文簡要介紹python語言中 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)

使用分位數信息轉換特征。

此方法將特征轉換為遵循均勻或正態分布。因此，對於給定的特征，這種轉換往往會分散最常見的值。它還減少了(邊際)異常值的影響：因此這是一個強大的預處理方案。

轉換獨立地應用於每個特征。首先，使用特征的累積分布函數的估計值將原始值映射到均勻分布。然後使用相關的分位數函數將獲得的值映射到所需的輸出分布。低於或高於擬合範圍的新/未見數據的特征值將映射到輸出分布的邊界。請注意，此變換是非線性的。它可能會扭曲以相同尺度測量的變量之間的線性相關性，但會使以不同尺度測量的變量更直接地具有可比性。

在用戶指南中閱讀更多信息。

參數：

X：{類數組，稀疏矩陣}，形狀為 (n_samples, n_features)

要轉換的數據。

axis：整數，默認=0

用於計算平均值和標準差的軸。如果為 0，則變換每個特征，否則(如果為 1)變換每個樣本。

n_quantiles：int，默認 = 1000 或 n_samples

要計算的分位數。它對應於用於離散累積分布函數的地標數量。如果 n_quantiles 大於樣本數，則將 n_quantiles 設置為樣本數，因為較大數量的分位數不會更好地逼近累積分布函數估計器。

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

轉換後數據的邊際分布。選項為‘uniform’(默認)或‘normal’。

ignore_implicit_zeros：布爾，默認=假

僅適用於稀疏矩陣。如果為 True，則丟棄矩陣的稀疏條目以計算分位數統計信息。如果為 False，這些條目將被視為零。

subsample：整數，默認=1e5

用於估計分位數以提高計算效率的最大樣本數。請注意，value-identical 稀疏矩陣和密集矩陣的子采樣過程可能不同。

random_state：int、RandomState 實例或無，默認=無

確定用於二次采樣和平滑噪聲的隨機數生成。有關詳細信息，請參閱subsample。傳遞 int 以獲得跨多個函數調用的可重現結果。見詞匯表

copy：布爾，默認=真

設置為 False 以執行就地轉換並避免複製(如果輸入已經是一個 numpy 數組)。如果為 True，則轉換 X 的副本，而原始 X 保持不變

..versionchanged::0.23

copy 的默認值在 0.23 中從 False 更改為 True。

返回：

Xt：{ndarray, 稀疏矩陣} 形狀 (n_samples, n_features)

轉換後的數據。

注意：

NaNs 被視為缺失值：在擬合中忽略，並在變換中保持。

警告

數據泄露風險

不使用quantile_transform除非你知道你在做什麽。一個常見的錯誤是將其應用於整個數據前分為訓練集和測試集。這將使模型評估產生偏差，因為信息會從測試集泄漏到訓練集。一般來說，我們建議使用sklearn.preprocessing.QuantileTransformer在一個管道為了防止大多數數據泄露風險：pipe = make_pipeline(QuantileTransformer(), LogisticRegression()).

有關不同縮放器、轉換器和規範器的比較，請參閱示例/預處理/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([...])