preprocessing.Binarizer

? ? ? ?根據閾值將數據二值化(將特征值設置為0或1)，用于處理連續型變量。大于閾值的值映射為1，而小于或等于閾值的值映射為0。默認閾值為0時，特征中所有的正值都映射到1。

? ? ? 二值化是對文本計數數據的常見操作，分析人員可以決定僅考慮某種現象的存在與否。它還可以用作考慮布爾隨機變量的估計器的預處理步驟(例如，使用貝葉斯設置中的伯努利分布建模)。

#將年齡二值化
data_2?=?data.copy()
from?sklearn.preprocessing?import?Binarizer
X?=?data_2.iloc[:,0].values.reshape(-1,1)?#類為特征專用，所以不能使用一維數組
transformer?=?Binarizer(threshold=30).fit_transform(X)
transformer

preprocessing.KBinsDiscretizer

? ? ? ?這是將連續型變量劃分為分類變量的類，能夠將連續型變量排序后按順序分箱后編碼。

? ? ? ?總共包含三個重要參數：

• n_bins：每個特征中分箱的個數，默認5，一次會被運用到所有導入的特征。

• encode：

編碼的方式，默認“onehot”

"onehot"：做啞變量，之后返回一個稀疏矩陣，每一列是一個特征中的一個類別，含有該類別的樣本表示為1，不含的表示為0

“ordinal”：每個特征的每個箱都被編碼為一個整數，返回每一列是一個特征，每個特征下含

有不同整數編碼的箱的矩陣

"onehot-dense"：做啞變量，之后返回一個密集數組。

• strategy：

  用來定義箱寬的方式，默認"quantile"

  “quantile"：表示等位分箱，即每個特征中的每個箱內的樣本數量都相同；

"uniform"：表示等寬分箱，即每個特征中的每個箱的最大值之間的差為

(特征.max() - 特征.min())/(n_bins)；

"kmeans"：表示按聚類分箱，每個箱中的值到最近的一維k均值聚類的簇心得距離都相同；from?sklearn.preprocessing?

歡迎轉發分享、點贊評論

總結

以上是生活随笔為你收集整理的二值化_处理连续型特征：二值化与分段的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。