RobustScaler#

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

使用对异常值具有鲁棒性的统计数据对特征进行缩放。

这个缩放器通过移除中位数并根据分位数范围（默认为 IQR：四分位距）来缩放数据。IQR 是第 1 四分位数（25% 分位数）和第 3 四分位数（75% 分位数）之间的范围。

居中和缩放操作是针对每个特征独立进行的，通过计算训练集中样本的相关统计数据。中位数和四分位距随后被存储起来，以便使用 transform 方法应用于后续数据。

数据集的标准化是许多机器学习估计器的常见预处理步骤。通常，这是通过移除均值并缩放到单位方差来完成的。然而，异常值常常会对样本均值/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 将 RobustScaler 与其他缩放器进行比较。

0.17 版本新增。

更多内容请参阅 用户指南。

参数:
with_centering布尔型, 默认为 True

如果为 True，则在缩放前将数据居中。这会导致 transform 在稀疏矩阵上尝试时引发异常，因为居中操作需要构建一个密集矩阵，这在常见用例中可能会过大而无法容纳在内存中。

with_scaling布尔型, 默认为 True

如果为 True，则将数据缩放到四分位距。

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_ 的分位数范围。默认情况下，这等于 IQR，即 q_min 是第一分位数，q_max 是第三分位数。

0.18 版本新增。

copy布尔型, 默认为 True

如果为 False，则尝试避免复制并进行原地缩放。这不保证总是能原地工作；例如，如果数据不是 NumPy 数组或 scipy.sparse CSR 矩阵，仍可能返回一个副本。

unit_variance布尔型, 默认为 False

如果为 True，则缩放数据，使正态分布的特征方差为 1。通常，如果标准正态分布的 q_max 和 q_min 之间的 x 值差异大于 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_整型

在 拟合 (fit) 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 (fit) 期间看到的特征名称。仅当 X 的所有特征名称均为字符串时才定义。

1.0 版本新增。

另请参阅

robust_scale

没有估计器 API 的等效函数。

sklearn.decomposition.PCA

通过设置 'whiten=True' 进一步消除特征间的线性相关性。

注意

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)[源码]#

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 {array-like, 稀疏矩阵}

用于计算中位数和分位数的数据，这些数据将用于后续沿特征轴的缩放。

y被忽略

未使用，根据约定此处存在是为了保持 API 一致性。

返回:
self对象

已拟合的缩放器。

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

拟合数据，然后进行转换。

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 array-like

输入样本。

y形状为 (n_samples,) 或 (n_samples, n_outputs) 的 array-like, 默认为 None

目标值（无监督转换时为 None）。

**fit_params字典

额外的拟合参数。

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)[源码]#

获取转换后的输出特征名称。

参数:
input_features字符串的 array-like 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 array-like，则当 feature_names_in_ 定义时，input_features 必须与 feature_names_in_ 匹配。

返回:
feature_names_out字符串对象的 ndarray

与输入特征相同。

get_metadata_routing()[源码]#

获取此对象的元数据路由。

请查阅 用户指南 以了解路由机制的工作原理。

返回:
routingMetadataRequest

一个封装路由信息的 MetadataRequest。

get_params(deep=True)[源码]#

获取此估计器的参数。

参数:
deep布尔型, 默认为 True

如果为 True，将返回此估计器及其包含的作为估计器的子对象的参数。

返回:
params字典

参数名称及其对应的值。

inverse_transform(X)[源码]#

将数据缩放回原始表示。

参数:
X形状为 (n_samples, n_features) 的 {array-like, 稀疏矩阵}

用于转换回的重缩放数据。

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

转换后的数组。

set_output(*, transform=None)[源码]#

设置输出容器。

有关如何使用此 API 的示例，请参阅 介绍 set_output API。

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: 转换配置不变

1.4 版本新增: 新增了 "polars" 选项。

返回:
self估计器实例

估计器实例。

set_params(**params)[源码]#

设置此估计器的参数。

此方法适用于简单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:
**params字典

估计器参数。

返回:
self估计器实例

估计器实例。

transform(X)[源码]#

居中并缩放数据。

参数:
X形状为 (n_samples, n_features) 的 {array-like, 稀疏矩阵}

用于沿指定轴进行缩放的数据。

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

转换后的数组。