机器学习之数据预处理——降噪 上一节学习线性回归法填补缺失值和拉格朗日插值法,这节课学习采用等深分箱的方式进行数据降噪处理。
1.降噪方法
文章图片
文章图片
文章图片
文章图片
文章图片
money=[800,1000,1200,1500,1600,1800,2000,2300,\
2500,2800,3000,3500,4000,4500,4800,5000]
cut1=pd.cut(pd.Series(money), bins=[0,1000,2000,3000,4000,5000])#设定分箱区间
#0可以写,也可以不写
print(pd.value_counts(cut1))
cut3=pd.qcut(pd.Series(money), 4)#设定分箱数,每组数据量相同
print(pd.value_counts(cut3))
【特征工程-缺失值处理|机器学习之数据预处理——降噪】2.分箱平滑
文章图片
文章图片
#平滑噪声—等深分箱—均值平滑
import pandas as pd
import numpy as np
def aequilatus_box_mean(data,bins):
length=data.shape[0]
labels=[]
for i in range(bins):
labels.append('a'+str(i+1))#添加标签
new_data=https://www.it610.com/article/pd.qcut(data.iloc[:,0],bins,labels=labels)#等深分箱
data['label']=new_data
for label in labels:
label_index_min=data[data.label==label].index.min()#分箱后索引最小值
label_index_max=data[data.label==label].index.max()#分箱后索引最大值
data.loc[label_index_min:label_index_max,data.columns[0]]=np.mean(
data.A[label_index_min:label_index_max+1,])#根据label及索引,修改A为各箱均值
return dataif __name__=="__main__":
data=https://www.it610.com/article/pd.DataFrame({'A':[11,13,15,20,20,23,26,29,35]})
bins=3
print("均值平滑")
print(aequilatus_box_mean(data,3))
文章图片
#平滑噪声—等深分箱—中值平滑
import pandas as pd
import numpy as np
def aequilatus_box_median(data,bins):
length=data.shape[0]
labels=[]
for i in range(bins):
labels.append('a'+str(i+1))
new_data=https://www.it610.com/article/pd.qcut(data.A,bins,labels=labels)#等深分箱
data['label']=new_data
for label in labels:
label_index_min=data[data.label==label].index.min()#分箱后索引最小值
label_index_max=data[data.label==label].index.max()#分箱后索引最大值
data.loc[label_index_min:label_index_max,'A']=np.median(
data.A[label_index_min:label_index_max+1,])#根据label及索引,修改A为各箱均值
return data
if __name__=="__main__":
data=https://www.it610.com/article/pd.DataFrame({'A':[11,13,15,20,20,23,26,29,35]})
bins=3
print("中值平滑")
print(aequilatus_box_median(data,3))
文章图片
#平滑噪声—等深分箱—边界平滑
import pandas as pd
import numpy as np
def aequilatus_box_border(data,bins):
length=data.shape[0]
labels=[]
for i in range(bins):
labels.append('a'+str(i+1))
new_data=https://www.it610.com/article/pd.qcut(data.A,bins,labels=labels)#等深分箱
data['label']=new_data
for label in labels:
label_index_min=data[data.label==label].index.min()
label_index_max=data[data.label==label].index.max()
data_min=np.min(data.A[label_index_min:label_index_max+1,])
data_max=np.max(data.A[label_index_min:label_index_max+1,])
for i in range(label_index_min,label_index_max):
if(data.loc[i,'A']==data_min or data.loc[i,'A']==data_max):
data.loc[i,'A']=data.loc[i,'A']
elif(np.abs(data.loc[i,'A']-data_min)<=np.abs(data.loc[i,'A']-data_max)):
data.loc[i,'A']=data_min
else:
data.loc[i,'A']=data_max
return data
if __name__=="__main__":
data=https://www.it610.com/article/pd.DataFrame({'A':[11,12,15,21,20,23,26,29,35]})
bins=3
print("边界平滑")
print(aequilatus_box_border(data,3))
文章图片
编写打磨课件不易,走过路过别忘记给咱点个赞,小女子在此(?′ω`?)谢过!如需转载,请注明出处,Thanks?(?ω?)?
参考文献: 1.https://blog.csdn.net/weixin_40192436/article/details/86706231
2.https://www.cnblogs.com/serena45/p/5559122.html
3.https://www.jianshu.com/p/389682aa5429
推荐阅读
- python|数学建模(相关性分析学习——皮尔逊(pearson)相关系数与斯皮尔曼(spearman)相关系数)
- TensorFlow|Tensorflow 神经网络训练加速
- python|Python学习记录-项目案例实现(爬虫篇 03)
- python|python c dll_Python使用Ctypes与C/C++ DLL文件通信过程介绍及实例分析
- 笔记|打印dataframe数据的几种方法
- python|Python进阶系列 - 18讲 伟大的*号
- 语言工具|Python加速技巧
- python|python运行速度太慢(那是你打开的方式不对)
- python|python--数据容器--列表