稳健缩放器#

class sklearn.preprocessing.RobustScaler(*, with_centering=True, with_scaling=True, quantile_range=(25.0, 75.0), copy=True, unit_variance=False)[source]#

使用对异常值稳健的统计量来缩放特征。

此缩放器移除中位数，并根据分位数范围（默认为IQR：四分位数间距）缩放数据。IQR是第一四分位数（第25百分位数）和第三四分位数（第75百分位数）之间的范围。

中心化和缩放操作对每个特征独立进行，方法是计算训练集样本的相关统计量。然后存储中位数和四分位距，以便稍后使用transform方法应用于新数据。

数据集的标准化是许多机器学习估计器的常用预处理步骤。通常，这是通过去除均值并缩放至单位方差来实现的。但是，异常值通常会对样本均值/方差产生负面影响。在这种情况下，使用中位数和四分位距通常会得到更好的结果。有关示例可视化以及与其他缩放器的比较，请参阅比较 RobustScaler 与其他缩放器。

0.17 版本新增。

在用户指南中了解更多信息。

参数：
with_centering布尔值，默认为 True

如果为True，则在缩放之前对数据进行中心化。这将导致在尝试对稀疏矩阵使用transform时引发异常，因为对它们进行中心化需要构建一个密集矩阵，在常见用例中，这个矩阵可能太大而无法放入内存。

with_scaling布尔值，默认为 True

如果为True，则将数据缩放至四分位距。

quantile_range元组 (q_min, q_max)，0.0 < q_min < q_max < 100.0，默认为 (25.0, 75.0)

用于计算scale_的四分位距范围。默认情况下，这等于 IQR，即q_min是第一个四分位数，q_max是第三个四分位数。

0.18 版本新增。

copy布尔值，默认为 True

如果为False，则尝试避免复制并改为就地缩放。但这并不保证总是能够就地进行；例如，如果数据不是 NumPy 数组或 scipy.sparse CSR 矩阵，则可能仍然会返回副本。

unit_variance布尔值，默认为 False

如果为True，则缩放数据，以便正态分布的特征具有 1 的方差。一般来说，如果标准正态分布的q_max和q_min的 x 值之差大于 1，则数据集将被缩小。如果小于 1，则数据集将被放大。

0.24 版本新增。

属性：
center_浮点数数组

训练集中每个特征的中位数。

scale_浮点数数组

训练集中每个特征的（缩放后的）四分位距。

0.17 版本新增：scale_ 属性。

n_features_in_整数

在拟合期间看到的特征数量。

0.24 版本新增。

feature_names_in_形状为 (n_features_in_,) 的 ndarray

在拟合期间看到的特征名称。仅当X具有全是字符串的特征名称时才定义。

1.0 版本新增。

另请参阅

稳健缩放

没有估计器 API 的等效函数。

sklearn.decomposition.PCA

使用 ‘whiten=True’ 进一步去除特征间的线性相关性。

备注

https://en.wikipedia.org/wiki/Median https://en.wikipedia.org/wiki/Interquartile_range

示例

>>> from sklearn.preprocessing import RobustScaler
>>> X = [[ 1., -2.,  2.],
...      [ -2.,  1.,  3.],
...      [ 4.,  1., -2.]]
>>> transformer = RobustScaler().fit(X)
>>> transformer
RobustScaler()
>>> transformer.transform(X)
array([[ 0. , -2. ,  0. ],
       [-1. ,  0. ,  0.4],
       [ 1. ,  0. , -1.6]])
fit(X, y=None)[source]#

计算用于缩放的中位数和分位数。

参数：
X形状为 (n_samples, n_features) 的 {数组、稀疏矩阵}

用于计算稍后沿特征轴缩放所使用中位数和分位数的数据。

y忽略

未使用，出于 API 一致性约定而存在。

返回：
self对象

已拟合的缩放器。

fit_transform(X, y=None, **fit_params)[source]#

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) 的类数组

输入样本。

y形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组，默认为 None

目标值（无监督转换则为 None）。

**fit_params字典

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)[source]#

获取转换的输出特征名称。

参数：
input_features字符串类数组或 None，默认为 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是类数组对象，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 封装了路由信息。

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，则将返回此估计器及其包含的子对象（它们也是估计器）的参数。

返回：
paramsdict

参数名称与其值的映射。

inverse_transform(X)[source]#

将数据缩放回原始表示。

参数：
X形状为 (n_samples, n_features) 的 {数组、稀疏矩阵}

要转换回的重新缩放数据。

返回：
X_tr形状为 (n_samples, n_features) 的 {ndarray，稀疏矩阵}

转换后的数组。

set_output(*, transform=None)[source]#

设置输出容器。

查看介绍 set_output API，了解如何使用此 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

1.4 版新增： 添加了"polars"选项。

返回：
self估计器实例

估计器实例。

set_params(**params)[source]#

设置此估计器的参数。

此方法适用于简单的估计器以及嵌套对象（例如Pipeline）。后者具有 <component>__<parameter> 形式的参数，因此可以更新嵌套对象的每个组件。

参数：
**paramsdict

估计器参数。

返回：
self估计器实例

估计器实例。

transform(X)[source]#

居中并缩放数据。

参数：
X形状为 (n_samples, n_features) 的 {数组、稀疏矩阵}

用于沿指定轴缩放的数据。

返回：
X_tr形状为 (n_samples, n_features) 的 {ndarray，稀疏矩阵}

转换后的数组。