分位数变换器#
- class sklearn.preprocessing.QuantileTransformer(*, n_quantiles=1000, output_distribution='uniform', ignore_implicit_zeros=False, subsample=10000, random_state=None, copy=True)[source]#
使用分位数信息变换特征。
此方法将特征转换为服从均匀分布或正态分布。因此，对于给定的特征，这种变换倾向于分散最频繁的值。它也减少了（边缘）异常值的影响：因此，这是一种稳健的预处理方案。
变换独立地应用于每个特征。首先，使用特征累积分布函数的估计值将原始值映射到均匀分布。然后，使用关联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比例测量的变量之间的线性相关性，但会使以不同比例测量的变量更直接地可比较。
例如可视化，请参考 分位数转换器与其他缩放器的比较。
更多信息请阅读 用户指南。
版本 0.19 中新增。
- 参数：
- n_quantilesint，默认值=1000 或 n_samples
要计算的分位数数量。它对应于用于离散化累积分布函数的标志点数量。如果 n_quantiles 大于样本数量，则 n_quantiles 将设置为样本数量，因为更大的分位数数量不会更好地逼近累积分布函数估计器。
- output_distribution{'uniform', 'normal'}，默认值='uniform'
变换后数据的边缘分布。可以选择 'uniform'（默认）或 'normal'。
- ignore_implicit_zerosbool，默认值=False
仅适用于稀疏矩阵。如果为 True，则将丢弃矩阵的稀疏条目以计算分位数统计信息。如果为 False，则这些条目将被视为零。
- subsampleint 或 None，默认值=10_000
为提高计算效率而用于估计分位数的样本最大数量。请注意，对于值相同的稀疏矩阵和密集矩阵，子采样过程可能有所不同。通过设置
subsample=None来禁用子采样。版本 1.5 中新增：添加了
None选项以禁用子采样。- random_stateint，RandomState 实例或 None，默认值=None
确定子采样和平滑噪声的随机数生成。有关更多详细信息，请参阅
subsample。传递一个整数以在多次函数调用中获得可重复的结果。参见 术语表。- copybool，默认值=True
设置为 False 以执行就地转换并避免复制（如果输入已经是 numpy 数组）。
- 属性：
另请参阅
分位数变换 (quantile_transform)等效函数，不使用估计器 API。
幂变换 (PowerTransformer)使用幂变换将数据映射到正态分布。
标准化 (StandardScaler)执行标准化，速度更快，但对异常值的鲁棒性较差。
稳健缩放 (RobustScaler)执行稳健标准化，消除异常值的影响，但不将异常值和内点放在相同的尺度上。
备注
NaN 被视为缺失值：在拟合中被忽略，并在转换中保留。
示例
>>> import numpy as np >>> from sklearn.preprocessing import QuantileTransformer >>> rng = np.random.RandomState(0) >>> X = np.sort(rng.normal(loc=0.5, scale=0.25, size=(25, 1)), axis=0) >>> qt = QuantileTransformer(n_quantiles=10, random_state=0) >>> qt.fit_transform(X) array([...])
- fit(X, y=None)[源代码]#
计算用于转换的分位数。
- 参数：
- X形状为 (n_samples, n_features) 的{数组型，稀疏矩阵}
用于沿特征轴缩放的数据。如果提供稀疏矩阵，它将转换为稀疏
csc_matrix。此外，如果ignore_implicit_zeros为 False，则稀疏矩阵需要是非负的。- yNone
忽略。
- 返回：
- self对象
已拟合的转换器。
- fit_transform(X, y=None, **fit_params)[源代码]#
拟合数据，然后转换它。
使用可选参数
fit_params将转换器拟合到X和y，并返回X的转换版本。- 参数：
- X形状为 (n_samples, n_features) 的数组型
输入样本。
- y形状为 (n_samples,) 或 (n_samples, n_outputs) 的数组型，默认值=None
目标值（无监督转换则为 None）。
- **fit_paramsdict
附加拟合参数。
- 返回：
- X_new形状为 (n_samples, n_features_new) 的 ndarray 数组
转换后的数组。
- get_feature_names_out(input_features=None)[源代码]#
获取转换的输出特征名称。
- 参数：
- input_features字符串数组型或 None，默认值=None
输入特征。
如果
input_features为None，则使用feature_names_in_作为输入特征名称。如果feature_names_in_未定义，则生成以下输入特征名称：["x0", "x1", ..., "x(n_features_in_ - 1)"]。如果
input_features是数组类型，则如果feature_names_in_已定义，input_features必须与feature_names_in_匹配。
- 返回：
- feature_names_outstr 对象的ndarray
与输入特征相同。
- get_metadata_routing()[source]#
获取此对象的元数据路由。
请查看用户指南，了解路由机制的工作原理。
- 返回：
- routingMetadataRequest
一个
MetadataRequest封装路由信息。
- get_params(deep=True)[source]#
获取此估计器的参数。
- 参数：
- deepbool，默认为 True
如果为 True，则将返回此估计器和包含的作为估计器的子对象的参数。
- 返回：
- paramsdict
参数名称与其值映射。
- inverse_transform(X)[source]#
反向投影到原始空间。
- 参数：
- X形状为 (n_samples, n_features) 的{数组型，稀疏矩阵}
用于沿特征轴缩放的数据。如果提供稀疏矩阵，它将转换为稀疏
csc_matrix。此外，如果ignore_implicit_zeros为 False，则稀疏矩阵需要是非负的。
- 返回：
- Xt(n_samples, n_features) 形状的 {ndarray, sparse matrix}
投影数据。
- set_output(*, transform=None)[source]#
设置输出容器。
参见Introducing the set_output API，了解如何使用该 API 的示例。
- 参数：
- transform{"default", "pandas", "polars"}，默认为 None
配置
transform和fit_transform的输出。"default"：转换器的默认输出格式"pandas"：DataFrame 输出"polars"：Polars 输出None：转换配置保持不变
版本 1.4 中新增： 添加了
"polars"选项。
- 返回：
- self估计器实例
估计器实例。
