我们的算法总结

1.数据预处理

2、 数据预处理 Preprocessing & Impute

2.1 数据无量纲化

• preprocessing.MinMaxScaler （数据归一化）

from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler() #实例化
scaler = scaler.fit(data) #fit，在这里本质是生成min(x)和max(x)
result = scaler.transform(data) #通过接口导出结果
result

• preprocessing.StandardScaler (数据标准化)

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler() #实例化
scaler.fit(data) #fit，本质是生成均值和方差
x_std = scaler.transform(data) #通过接口导出结果

2.2 缺失值

• impute.SimpleImputer
  2.3 处理分类型特征：编码与哑变量
• preprocessing.LabelEncoder：标签专用，能够将分类转换为分类数值
• preprocessing.OrdinalEncoder：特征专用，能够将分类特征转换为分类数值
• preprocessing.OneHotEncoder：独热编码，创建哑变量

2.4 处理连续型特征：二值化与分段

• sklearn.preprocessing.Binarizer
• preprocessing.KBinsDiscretizer

3 特征选择 feature_selection

3.1 Filter过滤法
3.1.1 方差过滤

• VarianceThreshold

3.1.2 相关性过滤

• 卡方过滤

from sklearn.feature_selection import SelectKBest
from sklearn.feature_selection import chi2
#假设在这里我一直我需要300个特征
X_fschi = SelectKBest(chi2, k=300).fit_transform(X_fsvar, y)
chivalue, pvalues_chi = chi2(X_fsvar,y)

• F检验

from sklearn.feature_selection import f_classif
F, pvalues_f = f_classif(X_fsvar,y)

• 互信息法

from sklearn.feature_selection import mutual_info_classif as MIC
result = MIC(X_fsvar,y)
k = result.shape[0] - sum(result <= 0)

3.2 Embedded嵌入法

• feature_selection.SelectFromModel

3.3 Wrapper包装法

• feature_selection.RFE

2.朴素贝叶斯