一、特征二值化
二.特征正规化
(一)、总和标准化
(二)、标准偏差标准化
(三)极大值标准化
(四)、极差标准化(区间简并法，0-1标准化)。
三.连续特征变换
四.定性特征伪代码： One-hot代码
数据转换
数据转换将数据规范化，以便于后续的信息挖掘。 典型的数据转换包括特征二值化、特征归一化、连续特征变化、定性特征伪代码等。
一、特征二值化
特征二值化的核心旨在设置一个阈值，将特征与该阈值进行比较，然后将连续数值的细粒度度量转换为粗粒度度量(0或1 (仅考虑是否出现某些特征，而不考虑出现次数、程度) )。
Python将特征二值化的方法如下所示。
结果如下。
二.特征正规化
特征规范化又称数据无量纲化，主要包括总和标准化、标准差标准化、极大值标准化、极差标准化。 另外，在基于树的方法中，不需要GBDT、bagging、boosting等特征归一化，在基于参数的模型和基于距离的模型中需要特征归一化。
(一)、总和标准化
总和的归一化处理后的数据在[ 0，1 ]之间，并且它们的和为1。 总和标准化的步骤和公式也非常简单。 分别求出在各集群要素中定义的数据的总和，将各要素的数据除以该要素的数据的总和，则为：
总和标准化处理后得到的新数据满足以下要求：
(二)、标准偏差标准化
标准偏差的标准化公式如下
其中
标准偏差标准化处理后得到的新数据，各要素(指标)的平均值为0，标准偏差为1，即
(三)极大值标准化
结果极大值的标准化公式如下。
极大值标准化后的新数据，各要素的最大值为1，其余各项都小于1。
以稀疏数据为中心会破坏稀疏数据的结构，因此没有什么意义，但可以将稀疏数据标准化。 极大值标准化是为稀疏数据设计的，同时这也是常见的方法。 必须在Python中将极大值设置为MaxAbsScaler ()，在Python中使用标准偏差标准化(StandardScaler ) (with_ )
(四)、极差标准化(区间简并法，0-1标准化)。
极差的标准化计算公式如下
经过极差标准化处理的新数据，各要素的极大值为1，极小值为0，剩下的数值都在0和1之间。 这里的min{x_ij}和max{x_ij}是指与x_ij相同列的最小值和最大值。
如果数据有偏差，将数据平均值和方差标准化将不起作用。 在这种情况下，可以改为使用robust_scale和RobustScaler。 它们具有对数据中心化和数据缩放的高鲁棒性参数。
三.连续特征变换
连续特征变换的一般方法有多项式数据变换、指数函数数据变换和对数函数数据变换三种。 连续特征变换可以增加数据非线性特征捕获特征之间的关系，有效提高模型的复杂度。
四.定性特征伪代码： One-hot代码
one-hot码也称为独热码，一个比特表示一个状态，对于它的信息中的离散特征，有一些状态为几个比特，而且只有有该状态的比特为1，其它比特为0。
那么，这三个值是如何进行one-hot编码的呢？ 所以我们用one-hot代码，
也就是说：
天气： {多云、下雨、晴天}
湿度： {稍高、正常、低}
(天气)多云、湿度)低)时进行单独热码，如果天气状态码能得到(100 )，湿度状态码为(001 )，则连接两者为最后的单独热码) {100001}。 此时，{ 0，2 }转换后的长度为6=3(3，即{100001} )。
sklearn有自己的封装热代码。 OneHotEncoder
输出：
代码分析：
data是一个矩阵，每列表示一个特征。 可见，矩阵有三个特征，第一个特征有两个特征值[ 0，1 ]，第二个特征有三个特征值[ 0，1，2，3 ]。 如果输入[ 1，2，2 ]，则对应于第一个特征，特征值为1的比特为1，第二个特征的特征值为2的比特为1，第三个特征的特征值为2的比特为1。
对离散特征进行one-hot编码，距离计算更加合理。
————————————————
这是CSDN博客“R3”的原始文章，符合CC 4.0 BY-SA版权协议。 请附上原文来源的链接和本声明。
原文链接： https://blog.csdn.net/sys STC/article/details/84532396