私は次のようなデータを持っています:
[
[0, 4, 15]
[0, 3, 7]
[1, 5, 9]
[2, 4, 15]
]
oneHotEncoder
http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.OneHotEncoder.html#sklearn.preprocessing.OneHotEncoder.fit_transform を使用してこのデータを前処理しましたしたがって、線形回帰には次のようになります。
[
[1, 0, 0, 4, 15]
[1, 0, 0, 3, 7]
[0, 1, 0, 5, 9]
[0, 0, 1, 4, 15]
]
ただし、このデータを正規化したいと思います。
これまでのところ、次のようにデータを正規化しています。
preprocessing.normalize(data)
ただし、これにより、カテゴリ列を含むすべての列が正規化されます。
私の質問は次のとおりです。
ありがとうございました!
numpy
を使用して、データのスライスをnormalize
に渡します。カテゴリデータの正規化に関する質問については、 CrossValidated でその質問に対するより良い回答が得られる可能性があります。
最初の質問の例:
In [1]: import numpy as np
from sklearn.preprocessing import normalize
# Values as floats or normalize raises a type error
X1 = np.array([
[1., 0., 0., 4., 15.],
[1., 0., 0., 3., 7.],
[0., 1., 0., 5., 9.],
[0., 0., 1., 4., 15.],
])
In [2]: X1[:, [3,4]] # last two columns
Out[2]: array([[ 4., 15.],
[ 3., 7.],
[ 5., 9.],
[ 4., 15.]])
最後の2つの列を正規化し、新しいnumpy配列X2
に割り当てます。
In [3]: X2 = normalize(X1[:, [3,4]], axis=0) #axis=0 for column-wise
X2
Out[3]: array([[ 0.49236596, 0.6228411 ],
[ 0.36927447, 0.29065918],
[ 0.61545745, 0.37370466],
[ 0.49236596, 0.6228411 ]])
次に、X1
とX2
を連結して目的の出力にします。
In [4]: np.concatenate(( X1[:,[0,1,2]], X2), axis=1)
Out[4]: array([[ 1. , 0. , 0. , 0.49236596, 0.6228411 ],
[ 1. , 0. , 0. , 0.36927447, 0.29065918],
[ 0. , 1. , 0. , 0.61545745, 0.37370466],
[ 0. , 0. , 1. , 0.49236596, 0.6228411 ]])
pandas.DataFrame
を使用している場合は、 sklearn-pandas を確認することをお勧めします。