RobustScaler#

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

使用对异常值鲁棒的统计量缩放特征。

该缩放器移除中位数，并根据分位数范围（默认为 IQR：四分位距）对数据进行缩放。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。

通过计算训练集样本的相关统计量，在每个特征上独立进行中心化和缩放。然后存储中位数和四分位距，以便通过 transform 方法用于后续数据。

数据集的标准化是许多机器学习评估器的常用预处理步骤。通常通过移除均值并缩放到单位方差来实现。然而，离群值（outliers）往往会对样本均值/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。

版本0.17中新增。

在 用户指南 中阅读更多内容。

参数:
with_centering布尔值，默认为 True

如果为 True，则在缩放前对数据进行中心化。这会导致在尝试对稀疏矩阵进行 transform 时引发异常，因为中心化需要构建稠密矩阵，而在常见的用例中，该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 是第一四分位数，q_max 是第三四分位数。

版本 0.18 新增。

copy布尔值, 默认为 True

如果为 False，则尝试避免复制并改用就地（inplace）缩放。这并不能保证始终能就地工作；例如，如果数据不是 NumPy 数组或 scipy.sparse CSR 矩阵，则仍可能返回副本。

unit_variance布尔值，默认为 False

如果为 True，则对数据进行缩放，使正态分布特征的方差为 1。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，数据集将被缩小。如果小于 1，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值。

scale_浮点数数组

训练集中每个特征的（缩放后的）四分位距。

Added in version 0.17: scale_ attribute.

n_features_in_int

在 拟合 期间看到的特征数。

0.24 版本新增。

feature_names_in_shape 为 (n_features_in_,) 的 ndarray

在 fit 期间看到的特征名称。仅当 X 具有全部为字符串的特征名称时才定义。

1.0 版本新增。

另请参阅

robust_scale

不包含估算器 API 的等效函数。

sklearn.decomposition.PCA

当 ‘whiten=True’ 时进一步移除特征间的线性相关性。

注意事项

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:
Xshape 为 (n_samples, n_features) 的 {array-like, sparse matrix}

用于计算后续沿特征轴缩放所需的中位数和分位数的数据。

y被忽略

Not used, present here for API consistency by convention.

返回:
selfobject

拟合好的缩放器。

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

拟合数据，然后对其进行转换。

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:
Xshape 为 (n_samples, n_features) 的 array-like

输入样本。

y形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组对象，默认=None

目标值（对于无监督转换，为 None）。

**fit_paramsdict

额外的拟合参数。仅当估计器在其 fit 方法中接受额外的参数时才传递。

返回:
X_newndarray array of shape (n_samples, n_features_new)

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_featuresarray-like of str or None, default=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，则如果定义了 feature_names_in_，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。

请查阅 用户指南，了解路由机制如何工作。

返回:
routingMetadataRequest

封装路由信息的 MetadataRequest。

get_params(deep=True)[source]#

获取此估计器的参数。

参数:
deepbool, default=True

如果为 True，将返回此估计器以及包含的子对象（如果它们是估计器）的参数。

返回:
paramsdict

参数名称映射到其值。

inverse_transform(X)[source]#

将数据缩放回原始表示。

参数:
Xshape 为 (n_samples, n_features) 的 {array-like, sparse matrix}

待逆转回原始尺度的已缩放数据。

返回:
X_original形状为 (n_samples, n_features) 的 {ndarray, sparse matrix}

转换后的数组。

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

设置输出容器。

请参阅 用户指南 以了解更多详细信息，并参考 引入 set_output API 获取关于如何使用该 API 的示例。

参数:
transform{“default”, “pandas”, “polars”}, default=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 版本新增: 添加了 "polars" 选项。

返回:
selfestimator instance

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（如 Pipeline）。后者具有 <component>__<parameter> 形式的参数，以便可以更新嵌套对象的每个组件。

参数:
**paramsdict

估计器参数。

返回:
selfestimator instance

估计器实例。

transform(X)[source]#

中心化并缩放数据。

参数:
Xshape 为 (n_samples, n_features) 的 {array-like, sparse matrix}

用于沿指定轴缩放的数据。

返回:
X_tr{ndarray, sparse matrix} of shape (n_samples, n_features)

转换后的数组。