RobustScaling的基础操作80课件讲解.pptxVIP

RobustScaling的基础操作

核心方法与实现步骤

RobustScaler的用法

目录

CONTENTS

01

核心方法与实现步骤

去中位数数据中心化

RobustScaling采用去除中位数的方式进行数据中心化，有效消除数据偏离，提升模型训练效果。

IQR缩放提升鲁棒性

利用IQR（四分位间距）进行数据缩放，增强模型对离群值的抵抗能力，提升整体稳定性。

数据中心化与分布特性

RobustScaling首先计算每个特征的中位数，作为数据中心化的基准点。

特征中位数计算

确定Q1和Q3位置，并计算IQR（Q3-Q1），用于后续的数据缩放和异常值处理。

四分位数与IQR

实现步骤

RobustScaling公式

数据经过RobustScaling公式处理后，实现标准化，并有效减少异常值的影响。

变换效果

RobustScaling不仅改善了数据的分布特性，还增强了模型训练的鲁棒性。

数据变换公式

02

RobustScaler的用法

RobustScaler的中心化与缩放

Scikit-learn的RobustScaler类能够高效地实现对数据进行中心化（去除中位数）和缩放（使用IQR进行标准化），从而消除数据中的离群值影响。

保留原始数据信息

RobustScaler不仅实现了对数据的中心化与缩放，还提供了inverse_transform方法，能够逆转变换后的