sklearn.preprocessing

Методы для масштабирования, центрирования, нормализации, бинаризации и другие.

Руководство пользователя. См. Предобработка данных раздел для дальнейших деталей.

Binarizer	Бинаризация данных (установка значений признаков в 0 или 1) в соответствии с порогом.
FunctionTransformer	Создает преобразователь из произвольной вызываемой функции.
KBinsDiscretizer	Бинирование непрерывных данных в интервалы.
KernelCenterer	Центрирование произвольной матрицы ядра \(K\).
LabelBinarizer	Бинаризация меток в формате one-vs-all.
LabelEncoder	Кодировать целевые метки значениями от 0 до n_classes-1.
MaxAbsScaler	Масштабировать каждый признак по его максимальному абсолютному значению.
MinMaxScaler	Преобразование признаков путем масштабирования каждого признака до заданного диапазона.
MultiLabelBinarizer	Преобразование между итерируемыми объектами и многометочным форматом.
Normalizer	Нормализовать образцы индивидуально до единичной нормы.
OneHotEncoder	Закодировать категориальные признаки как однократно закодированный числовой массив.
OrdinalEncoder	Кодирует категориальные признаки как целочисленный массив.
PolynomialFeatures	Генерирует полиномиальные и интерактивные признаки.
PowerTransformer	Применить степенное преобразование по признакам, чтобы сделать данные более похожими на гауссовы.
QuantileTransformer	Преобразование признаков с использованием информации о квантилях.
RobustScaler	Масштабирование признаков с использованием статистики, устойчивой к выбросам.
SplineTransformer	Генерация одномерных B-сплайновых базисов для признаков.
StandardScaler	Стандартизировать признаки, удаляя среднее и масштабируя до единичной дисперсии.
TargetEncoder	Кодировщик целевой переменной для регрессии и классификации.
add_dummy_feature	Дополнить набор данных дополнительным фиктивным признаком.
binarize	Булево пороговое преобразование массивоподобных объектов или разреженной матрицы scipy.sparse.
label_binarize	Бинаризация меток в формате one-vs-all.
maxabs_scale	Масштабируйте каждый признак до диапазона [-1, 1] без нарушения разреженности.
minmax_scale	Преобразование признаков путем масштабирования каждого признака до заданного диапазона.
normalize	Масштабирование входных векторов индивидуально до единичной нормы (длины вектора).
power_transform	Параметрическое, монотонное преобразование для приведения данных к более гауссовскому виду.
quantile_transform	Преобразование признаков с использованием информации о квантилях.
robust_scale	Стандартизировать набор данных вдоль любой оси.
scale	Стандартизировать набор данных вдоль любой оси.