机器学习之数据预处理——降噪

上一节学习线性回归法填补缺失值和拉格朗日插值法,这节课学习采用等深分箱的方式进行数据降噪处理。

1.降噪方法
在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述
在这里插入图片描述

money=[800,1000,1200,1500,1600,1800,2000,2300,\
       2500,2800,3000,3500,4000,4500,4800,5000]
cut1=pd.cut(pd.Series(money), bins=[0,1000,2000,3000,4000,5000])#设定分箱区间
#0可以写,也可以不写
print(pd.value_counts(cut1))
cut3=pd.qcut(pd.Series(money), 4)#设定分箱数,每组数据量相同
print(pd.value_counts(cut3))

2.分箱平滑
在这里插入图片描述
在这里插入图片描述

#平滑噪声—等深分箱—均值平滑
import pandas as pd
import numpy as np
def aequilatus_box_mean(data,bins):
    length=data.shape[0]
    labels=[]
    for i in range(bins):
        labels.append('a'+str(i+1))#添加标签
    new_data=pd.qcut(data.iloc[:,0],bins,labels=labels)#等深分箱
    data['label']=new_data
    for label in labels:
        label_index_min=data[data.label==label].index.min()#分箱后索引最小值
        label_index_max=data[data.label==label].index.max()#分箱后索引最大值
        data.loc[label_index_min:label_index_max,data.columns[0]]=np.mean(
            data.A[label_index_min:label_index_max+1,])#根据label及索引,修改A为各箱均值
    return data

if __name__=="__main__":
    data=pd.DataFrame({'A':[11,13,15,20,20,23,26,29,35]})
    bins=3
    print("均值平滑")
    print(aequilatus_box_mean(data,3))

在这里插入图片描述

#平滑噪声—等深分箱—中值平滑
import pandas as pd
import numpy as np
def aequilatus_box_median(data,bins):
    length=data.shape[0]
    labels=[]
    for i in range(bins):
        labels.append('a'+str(i+1))
    new_data=pd.qcut(data.A,bins,labels=labels)#等深分箱
    data['label']=new_data
    for label in labels:
        label_index_min=data[data.label==label].index.min()#分箱后索引最小值
        label_index_max=data[data.label==label].index.max()#分箱后索引最大值
        data.loc[label_index_min:label_index_max,'A']=np.median(
            data.A[label_index_min:label_index_max+1,])#根据label及索引,修改A为各箱均值
    return data
if __name__=="__main__":
    data=pd.DataFrame({'A':[11,13,15,20,20,23,26,29,35]})
    bins=3
    print("中值平滑")
    print(aequilatus_box_median(data,3))

在这里插入图片描述

#平滑噪声—等深分箱—边界平滑
import pandas as pd
import numpy as np
def aequilatus_box_border(data,bins):
    length=data.shape[0]
    labels=[]
    for i in range(bins):
        labels.append('a'+str(i+1))
    new_data=pd.qcut(data.A,bins,labels=labels)#等深分箱
    data['label']=new_data
    for label in labels:
        label_index_min=data[data.label==label].index.min()
        label_index_max=data[data.label==label].index.max()
        data_min=np.min(data.A[label_index_min:label_index_max+1,])
        data_max=np.max(data.A[label_index_min:label_index_max+1,])
        for i in range(label_index_min,label_index_max): 
            if(data.loc[i,'A']==data_min or data.loc[i,'A']==data_max):
                data.loc[i,'A']=data.loc[i,'A']
            elif(np.abs(data.loc[i,'A']-data_min)<=np.abs(data.loc[i,'A']-data_max)):
                 data.loc[i,'A']=data_min
            else:
                data.loc[i,'A']=data_max
    return data   
if __name__=="__main__":
    data=pd.DataFrame({'A':[11,12,15,21,20,23,26,29,35]})
    bins=3
    print("边界平滑")
    print(aequilatus_box_border(data,3))

在这里插入图片描述

编写打磨课件不易,走过路过别忘记给咱点个赞,小女子在此(❁´ω`❁)谢过!如需转载,请注明出处,Thanks♪(・ω・)ノ

参考文献:

1.https://blog.csdn.net/weixin_40192436/article/details/86706231

2.https://www.cnblogs.com/serena45/p/5559122.html

3.https://www.jianshu.com/p/389682aa5429

更多推荐