skew_dummies方法

這是實(shí)現(xiàn)將數(shù)據(jù)正態(tài)分布化,然后整體One-Hot化的代碼

class skew_dummies(BaseEstimator, TransformerMixin):
    def __init__(self,skew=0.5):    
        self.skew = skew               # 設(shè)置偏度閾值
    
    def fit(self,X,y=None):
        return self
    
    def transform(self,X):
        # pandas select_dtypes方法挑選出目標(biāo)類型的列
        # 這里挑出所有數(shù)值類型的數(shù)據(jù),select_dtypes返回的是一個(gè)DataFrame
        X_numeric=X.select_dtypes(exclude=["object"])
        # 使用apply方法在lambda運(yùn)算時(shí)傳入的x都是series,計(jì)算出每個(gè)特征下的偏度,返回的結(jié)果是一個(gè)Series
        skewness = X_numeric.apply(lambda x: skew(x))
        # abs(skewness) >= self.skew是根據(jù)Series支持boolean索引的原理.然后用index拿到skewness的索引(因?yàn)閟kewness是Series,索引實(shí)際上就是列標(biāo)簽)
        skewness_features = skewness[abs(skewness) >= self.skew].index
        # 進(jìn)行正態(tài)分布化
        X[skewness_features] = np.log1p(X[skewness_features])
        # 對整個(gè)X數(shù)據(jù)集進(jìn)行One Hot編碼
        X = pd.get_dummies(X)
        return X
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末社搅,一起剝皮案震驚了整個(gè)濱河市凰浮,隨后出現(xiàn)的幾起案子沥阳,更是在濱河造成了極大的恐慌损拢,老刑警劉巖,帶你破解...
    沈念sama閱讀 216,402評論 6 499
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異,居然都是意外死亡朴艰,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,377評論 3 392
  • 文/潘曉璐 我一進(jìn)店門混移,熙熙樓的掌柜王于貴愁眉苦臉地迎上來祠墅,“玉大人,你說我怎么就攤上這事歌径』汆拢” “怎么了?”我有些...
    開封第一講書人閱讀 162,483評論 0 353
  • 文/不壞的土叔 我叫張陵回铛,是天一觀的道長金矛。 經(jīng)常有香客問我,道長勺届,這世上最難降的妖魔是什么驶俊? 我笑而不...
    開封第一講書人閱讀 58,165評論 1 292
  • 正文 為了忘掉前任,我火速辦了婚禮免姿,結(jié)果婚禮上饼酿,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好故俐,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,176評論 6 388
  • 文/花漫 我一把揭開白布想鹰。 她就那樣靜靜地躺著,像睡著了一般药版。 火紅的嫁衣襯著肌膚如雪辑舷。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,146評論 1 297
  • 那天槽片,我揣著相機(jī)與錄音何缓,去河邊找鬼。 笑死还栓,一個(gè)胖子當(dāng)著我的面吹牛碌廓,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播剩盒,決...
    沈念sama閱讀 40,032評論 3 417
  • 文/蒼蘭香墨 我猛地睜開眼谷婆,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了辽聊?” 一聲冷哼從身側(cè)響起纪挎,我...
    開封第一講書人閱讀 38,896評論 0 274
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎跟匆,沒想到半個(gè)月后异袄,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,311評論 1 310
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡贾铝,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,536評論 2 332
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了埠帕。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片垢揩。...
    茶點(diǎn)故事閱讀 39,696評論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖敛瓷,靈堂內(nèi)的尸體忽然破棺而出叁巨,到底是詐尸還是另有隱情,我是刑警寧澤呐籽,帶...
    沈念sama閱讀 35,413評論 5 343
  • 正文 年R本政府宣布锋勺,位于F島的核電站,受9級特大地震影響狡蝶,放射性物質(zhì)發(fā)生泄漏庶橱。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,008評論 3 325
  • 文/蒙蒙 一贪惹、第九天 我趴在偏房一處隱蔽的房頂上張望苏章。 院中可真熱鬧,春花似錦、人聲如沸枫绅。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,659評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽并淋。三九已至寓搬,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間县耽,已是汗流浹背句喷。 一陣腳步聲響...
    開封第一講書人閱讀 32,815評論 1 269
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留酬诀,地道東北人脏嚷。 一個(gè)月前我還...
    沈念sama閱讀 47,698評論 2 368
  • 正文 我出身青樓,卻偏偏與公主長得像瞒御,于是被迫代替她去往敵國和親父叙。 傳聞我的和親對象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,592評論 2 353

推薦閱讀更多精彩內(nèi)容