跳到主要内容

鲁棒归一化（RobustScaler）

组件名称鲁棒归一化（RobustScaler）
工具集机器学习/特征/特征转换/鲁棒归一化（RobustScaler）
组件作者雪浪云-燕青
文档版本1.0
功能鲁棒归一化（RobustScaler）算法
镜像名称ml_components:3
开发语言Python

组件原理​

使用统计数据进行缩放功能，这些统计数据对异常值具有很强的鲁棒性。

这个Scaler移除中位数，并根据分位数范围缩放数据(默认为IQR：Interquartile范围)。IQR是第一个四分位数(第25个分位数)和第三个四分位数(第75分位数)之间的范围。

通过计算训练集中样本的相关统计量，对每个特征分别进行中心化和缩放。然后将中间值和四分位数范围存储到以后的数据上，使用transform方法。

数据集的标准化是许多机器学习估计器的共同要求。通常，这是通过删除均值和缩放到单位方差来完成的。然而，异常值通常会以负值的方式影响样本的均值/方差。在这种情况下，中间值和四分位数的范围通常会得到更好的结果。

组件​

  • 组件图：

输入桩​

支持单个csv文件输入。

输入端子1​

  • 端口名称： 训练数据
  • 输出类型： Csv文件
  • 功能描述： 输入用于训练的数据

输出桩​

支持Csv文件输出。

输出端子1​

  • 端口名称： 输出数据
  • 输出类型： Csv文件
  • 功能描述： 输出处理后的结果数据

输出端子2​

  • 端口名称： 输出模型
  • 输出类型： sklearn文件
  • 功能描述： 输出训练后的模型

参数配置​

数据集中​

  • 功能描述： 是否在数据缩放前，将数据进行集中
  • 必选参数： 是
  • 默认值： true

数据缩放​

  • 功能描述： 是否将数据缩放到四分位范围
  • 必选参数： 是
  • 默认值： true

分位数下限​

  • 功能描述： 分位数下限
  • 必选参数： 是
  • 默认值： 25

分位数上限​

  • 功能描述： 分位数上限
  • 必选参数： 是
  • 默认值： 75

目标字段​

  • 功能描述： 目标字段
  • 必选参数： 是
  • 默认值： （无）

使用方法​

  • 加组件拖入到项目中
  • 与前一个组件输出的端口连接（必须是csv类型）
  • 点击运行该节点

测试用例​

模板​

右面板配置​

  • 参数设置：

  • 字段设置：

输入的数据：​

输出的结果：​

  • 输出数据：

  • 输出模型：