dask_ml.preprocessing.QuantileTransformer
dask_ml.preprocessing.QuantileTransformer¶
- 类 dask_ml.preprocessing.QuantileTransformer(*, n_quantiles=1000, output_distribution='uniform', ignore_implicit_zeros=False, subsample=10000, random_state=None, copy=True)¶
使用分位数信息转换特征。
此实现与 scikit-learn 的实现不同，它使用近似分位数。scikit-learn 的文档字符串如下。
此方法将特征转换为遵循均匀分布或正态分布。因此，对于给定特征，此转换倾向于分散最常见的值。它还减少了（边缘）异常值的影响：因此这是一种鲁棒的预处理方案。
转换独立地应用于每个特征。首先，使用特征的累积分布函数的估计值将原始值映射到均匀分布。然后使用相关的分位数函数将获得的值映射到所需的输出分布。落在拟合范围之外的新/未见数据的特征值将被映射到输出分布的边界。请注意，此转换是非线性的。它可能会扭曲在同一尺度上测量的变量之间的线性相关性，但会使在不同尺度上测量的变量更直接地可比较。
有关示例可视化，请参考 Compare QuantileTransformer with other scalers。
在 用户指南 中阅读更多信息。
版本 0.19 中的新功能。
- 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地标数量。如果 n_quantiles 大于样本数量，则 n_quantiles 将设置为样本数量，因为更多的分位数并不能更好地近似累积分布函数估计器。
- output_distribution{‘uniform’, ‘normal’}, 默认值=’uniform’
转换后数据的边际分布。选项为 ‘uniform’（默认）或 ‘normal’。
- ignore_implicit_zerosbool, 默认值=False
仅适用于稀疏矩阵。如果为 True，则丢弃矩阵的稀疏条目以计算分位数统计信息。如果为 False，则将这些条目视为零。
- subsampleint 或 None, 默认值=10_000
用于估计分位数以提高计算效率的最大样本数量。请注意，对于值相同的稀疏矩阵和密集矩阵，子采样过程可能不同。通过设置 subsample=None 禁用子采样。
版本 1.5 中的新功能： 添加了禁用子采样的选项 None。
- 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。请参阅
subsample获取更多详细信息。传入一个 int 可在多次函数调用中获得可重复的结果。请参阅 术语表。- copybool, 默认值=True
设置为 False 以执行原地转换并避免复制（如果输入已经是 numpy 数组）。
- 属性
另请参阅
quantile_transform没有估计器 API 的等效函数。
PowerTransformer使用幂变换映射到正态分布。
StandardScaler执行更快速但对异常值鲁棒性较低的标准化。
RobustScaler执行鲁棒标准化，该标准化消除了异常值的影响，但不会将异常值和正常值置于同一尺度。
注意
NaN 被视为缺失值：在 fit 中被忽略，在 transform 中被保留。
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([...])
方法
fit(X[, y])计算用于转换的分位数。
fit_transform(X[, y])拟合数据，然后进行转换。
get_feature_names_out([input_features])获取转换的输出特征名称。
get_metadata_routing()获取此对象的元数据路由。
get_params([deep])获取此估计器的参数。
inverse_transform(X)反向投影到原始空间。
set_output(*[, transform])设置输出容器。
set_params(**params)设置此估计器的参数。
transform(X)数据的按特征转换。
- __init__(*, n_quantiles=1000, output_distribution='uniform', ignore_implicit_zeros=False, subsample=10000, random_state=None, copy=True)¶