特征工程(一)——特征归一化及类型特征处理

“巧妇难为无米之炊”,放到数据行业,“巧妇”是模型,“米”就是数据与特征。正如业界经典的一句话"Garbage in, garbage out",如果没有充足数据、合理的特征,再强大的模型结构也难以得到令人满意的结果。

实际工作中,特征工程是去除数据中的杂质,提炼为更合理的特征,供算法和模型使用。特征工程主要包括特征归一化、类型特征的表示、特征选择及非结构化数据的表示。本文主要介绍特征归一化及类型特征的表示。

特征归一化

为了消除特征之间量纲的影响,使数据处于同一数量级具有可比性,需要进行特征归一化。例如,分析一个顾客消费粘性与近三个月消费次数、消费金额的关系。消费次数一般最多几十次,但消费金额可能几千上万,那消费粘性就会更受消费金额的影响。想要更准确的结果,需要将特征进行归一化,使特征在同一个数量级下。最常用的归一化方法是最大最小归一化、零均值归一化。

1. 最大最小归一化是对数据进行线性变换,使结果映射到[0,1]。归一化公式为
图片

其中,x为原始数据,为数据最小值,为数据最大值。
python实现方法:

import pandas as pd
import numpy as np
df= pd.DataFrame({'num':np.random.randint(0,50,size=10),                
  'money':np.random.randint(0,3000,size=10)})
print(df)
图片
df1= (df-df.min())/(df.max()-df.min())
print(df1)
  1. 零均值归一化

    零均值z-score 归一化将数据映射到均值为0,标准差为1的分布上。归一化公式定义为:

图片

python实现方法:

df2= (df-df.mean())/df.std()
print(df2)
图片
  1. 特征归一化适用情况
    归一化的数据,梯度下降可以更快找到最优解。因此,梯度下降求解的模型需要归一化,如线性回归、逻辑回归、支持向量机、神经网络等模型。但是决策树模型并不适用,信息增益跟是否经过归一化无关。

类别特征处理

类别特征原始数据是字符串的,如性别(男、女)等。因为很多模型对各数据进行衡量时,需要依赖数值关系,因此要将类别型特征处理成数值特征。类别型编码常用处理方式有序号编码、独热编码、二进制编码。

1. 序号编码
序号编码适用于数据类别间有大小关系的,如销售金额分为高、中、低三档,可以分别用3,2,1表示。

2. 独热编码 OneHot-Encoding
如果数据类别没有大小关系,如订单来源取值为3个(淘宝、京东、拼多多),独热编码将订单来源表示为3维稀疏变量。淘宝为[1,0,0],京东为[0,1,0],拼多多为[0,0,1]。
如果类别取值过多,独热编码要注意以下问题:
(1) 用稀疏向量表示节省空间
(2) 配合特征选择降低维度

独热编码python实现:

df = pd.DataFrame({'source':['淘宝','京东','拼多多'],
'amount':[20,5,30]})
pd.get_dummies(df,prefix='source',prefix_sep='_')
image.png
  1. 二进制编码以订单来源淘宝、京东、拼多多为例,淘宝、京东、拼多多的ID分别为1、2、3,则二进制表示分别为001、010、011。
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,258评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,335评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,225评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,126评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,140评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,098评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,018评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,857评论 0 273
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,298评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,518评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,678评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,400评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,993评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,638评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,801评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,661评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,558评论 2 352

推荐阅读更多精彩内容