想要在特定功能上应用特定的缩放器，比如StandardScaler，同时保持其他功能不变。
数据集格式类似于：[ [1, 0.2, 1000], [2, 0.1, 2400], [3, 0.9, 7620] ]
我只需要转换一列，在这个例子中是第三列。
我不想使用pandas。
如何通过 scikit-learn 规范化一个特征？
数据挖掘
Python
scikit-学习
正常化
特征缩放
2022-03-09 08:24:16
2个回答
如前所述，最简单的方法是StandardScaler仅将 应用于需要缩放的特征子集，然后将结果与其余特征连接起来。
或者，scikit-learn 还提供（仍然是实验性的，即可能会更改）ColumnTransformerAPI。它的工作原理类似于pipeline：
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import StandarScaler
column_trans = ColumnTransformer(
[('scaler', StandardScaler(),2],
remainder='passthrough')
column_trans.fit_transform(X)
元组的第三个条目（此处为 : 2）可以是单个或列索引列表（或使用 pandas DataFrame 时的列名）。
只需将一列传递给缩放器，然后更改数据，例如：
x[i,:] = scaler.transform(x[i,:])
一旦安装了缩放器。
其它你可能感兴趣的问题