KBinsDiscretizer#

класс sklearn.preprocessing.KBinsDiscretizer(n_bins=5, *, кодировать='onehot', стратегия='quantile', quantile_method='warn', dtype=None, subsample=200000, random_state=None)[источник]#

Бинирование непрерывных данных в интервалы.

Подробнее в Руководство пользователя.

Добавлено в версии 0.20.

Параметры:
n_binsint или array-like формы (n_features,), по умолчанию=5

Количество создаваемых бинов. Вызывает ValueError, если n_bins < 2.

кодировать{‘onehot’, ‘onehot-dense’, ‘ordinal’}, по умолчанию ‘onehot’

Метод, используемый для кодирования преобразованного результата.

  • 'onehot': Кодировать преобразованный результат с помощью one-hot кодирования и возвращать разреженную матрицу. Игнорируемые признаки всегда добавляются справа.

  • ‘onehot-dense’: Кодировать преобразованный результат с помощью one-hot кодирования и возвращать плотный массив. Игнорируемые признаки всегда добавляются справа.

  • 'ordinal': Возвращает идентификатор бина, закодированный как целочисленное значение.

стратегия{‘uniform’, ‘quantile’, ‘kmeans’}, по умолчанию ‘quantile’

Стратегия определения ширины бинов.

  • 'uniform': Все бины в каждом признаке имеют одинаковую ширину.

  • 'quantile': Все бины в каждом признаке имеют одинаковое количество точек.

  • ‘kmeans’: Значения в каждом бине имеют одинаковый ближайший центр 1D кластера k-средних.

Для примера различных стратегий см.: Демонстрация различных стратегий KBinsDiscretizer.

quantile_method{“inverted_cdf”, “averaged_inverted_cdf”,

“closest_observation”, “interpolated_inverted_cdf”, “hazen”, “weibull”, “linear”, “median_unbiased”, “normal_unbiased”}, по умолчанию=”linear” Метод для передачи в расчет np.percentile при использовании strategy=”quantile”. Только averaged_inverted_cdf и inverted_cdf поддерживают использование sample_weight != None когда субдискретизация не активна.

Добавлено в версии 1.7.

dtype{np.float32, np.float64}, по умолчанию=None

Желаемый тип данных для вывода. Если None, тип вывода согласован с типом ввода. Поддерживаются только np.float32 и np.float64.

Добавлено в версии 0.24.

subsampleint или None, по умолчанию=200_000

Максимальное количество образцов, используемых для обучения модели, в целях вычислительной эффективности. subsample=None означает, что все обучающие образцы используются при вычислении квантилей, определяющих пороги бинирования. Поскольку вычисление квантилей основано на сортировке каждого столбца X и что сортировка имеет n log(n) временная сложность, рекомендуется использовать подвыборку на наборах данных с очень большим количеством образцов.

Изменено в версии 1.3: Значение по умолчанию для subsample изменено с None to 200_000 когда strategy="quantile".

Изменено в версии 1.5: Значение по умолчанию для subsample изменено с None to 200_000 когда strategy="uniform" или strategy="kmeans".

random_stateint, экземпляр RandomState или None, по умолчанию=None

Определяет генерацию случайных чисел для субдискретизации. Передайте int для воспроизводимых результатов при множественных вызовах функции. См. subsample параметр для получения дополнительных сведений. См. Глоссарий.

Добавлено в версии 1.1.

Атрибуты:
bin_edges_ndarray из ndarray формы (n_features,)

Грани каждого бина. Содержат массивы различной формы (n_bins_, ) Игнорируемые признаки будут иметь пустые массивы.

n_bins_ndarray формы (n_features,), dtype=np.int64

Количество бинов на признак. Бины, ширина которых слишком мала (т.е. <= 1e-8), удаляются с предупреждением.

n_features_in_int

Количество признаков, замеченных во время fit.

Добавлено в версии 0.24.

feature_names_in_ndarray формы (n_features_in_,)

Имена признаков, наблюдаемых во время fit. Определено только когда X имеет имена признаков, которые все являются строками.

Добавлено в версии 1.0.

Смотрите также

Binarizer

Класс, используемый для бинирования значений как 0 или 1 на основе параметра threshold.

Примечания

Для визуализации дискретизации на различных наборах данных обратитесь к Дискретизация признаков. О влиянии дискретизации на линейные модели см.: Использование KBinsDiscretizer для дискретизации непрерывных признаков.

В границах бинов для признака i, первое и последнее значения используются только для inverse_transform. Во время transform границы бинов расширяются до:

np.concatenate([-np.inf, bin_edges_[i][1:-1], np.inf])

Вы можете комбинировать KBinsDiscretizer с ColumnTransformer если вы хотите предобработать только часть признаков.

KBinsDiscretizer может создавать постоянные признаки (например, когда encode = 'onehot' и некоторые бины не содержат данных). Эти признаки можно удалить с помощью алгоритмов отбора признаков (например, VarianceThreshold).

Примеры

>>> from sklearn.preprocessing import KBinsDiscretizer
>>> X = [[-2, 1, -4,   -1],
...      [-1, 2, -3, -0.5],
...      [ 0, 3, -2,  0.5],
...      [ 1, 4, -1,    2]]
>>> est = KBinsDiscretizer(
...     n_bins=3, encode='ordinal', strategy='uniform'
... )
>>> est.fit(X)
KBinsDiscretizer(...)
>>> Xt = est.transform(X)
>>> Xt
array([[ 0., 0., 0., 0.],
       [ 1., 1., 1., 0.],
       [ 2., 2., 2., 1.],
       [ 2., 2., 2., 2.]])

Иногда может быть полезно преобразовать данные обратно в исходное пространство признаков. Функция inverse_transform функция преобразует бинированные данные обратно в исходное пространство признаков. Каждое значение будет равно среднему значению двух границ бина.

>>> est.bin_edges_[0]
array([-2., -1.,  0.,  1.])
>>> est.inverse_transform(Xt)
array([[-1.5,  1.5, -3.5, -0.5],
       [-0.5,  2.5, -2.5, -0.5],
       [ 0.5,  3.5, -1.5,  0.5],
       [ 0.5,  3.5, -1.5,  1.5]])

Хотя этот этап предобработки может быть оптимизацией, важно отметить, что массив, возвращаемый inverse_transform будет иметь внутренний тип np.float64 или np.float32, обозначаемый dtype входной аргумент. Это может значительно увеличить использование памяти массивом. См. Пример векторного квантования где KBinsDescretizer используется для кластеризации изображения в бины и увеличивает размер изображения в 8 раз.

fit(X, y=None, sample_weight=None)[источник]#

Обучить оценщик.

Параметры:
Xarray-like формы (n_samples, n_features)

Данные для дискретизации.

yNone

Игнорируется. Этот параметр существует только для совместимости с Pipeline.

sample_weightndarray формы (n_samples,)

Содержит весовые значения, связанные с каждым образцом.

Добавлено в версии 1.3.

Изменено в версии 1.7: Добавлена поддержка strategy="uniform".

Возвращает:
selfobject

Возвращает сам экземпляр.

fit_transform(X, y=None, **fit_params)[источник]#

Обучение на данных с последующим преобразованием.

Обучает преобразователь на X и y с необязательными параметрами fit_params и возвращает преобразованную версию X.

Параметры:
Xarray-like формы (n_samples, n_features)

Входные выборки.

yarray-like формы (n_samples,) или (n_samples, n_outputs), default=None

Целевые значения (None для неконтролируемых преобразований).

**fit_paramsdict

Дополнительные параметры обучения. Передавайте только если оценщик принимает дополнительные параметры в своем fit метод.

Возвращает:
X_newndarray массив формы (n_samples, n_features_new)

Преобразованный массив.

get_feature_names_out(input_features=None)[источник]#

Получить имена выходных характеристик.

Параметры:
input_featuresarray-like из str или None, по умолчанию=None

Входные признаки.

  • Если input_features является None, затем feature_names_in_ используется как имена признаков в. Если feature_names_in_ не определено, тогда генерируются следующие имена входных признаков: ["x0", "x1", ..., "x(n_features_in_ - 1)"].

  • Если input_features является массивоподобным, тогда input_features должен соответствовать feature_names_in_ if feature_names_in_ определен.

Возвращает:
feature_names_outndarray из str объектов

Преобразованные имена признаков.

6332()[источник]#

Получить маршрутизацию метаданных этого объекта.

Пожалуйста, проверьте Руководство пользователя о том, как работает механизм маршрутизации.

Возвращает:
маршрутизацияMetadataRequest

A MetadataRequest Инкапсуляция информации о маршрутизации.

get_params(глубокий=True)[источник]#

Получить параметры для этого оценщика.

Параметры:
глубокийbool, по умолчанию=True

Если True, вернет параметры для этого оценщика и вложенных подобъектов, которые являются оценщиками.

Возвращает:
paramsdict

Имена параметров, сопоставленные с их значениями.

inverse_transform(X)[источник]#

Преобразует дискретизированные данные обратно в исходное пространство признаков.

Обратите внимание, что эта функция не воссоздаёт исходные данные из-за округления при дискретизации.

Параметры:
Xarray-like формы (n_samples, n_features)

Преобразованные данные в бинированном пространстве.

Возвращает:
X_originalndarray, dtype={np.float32, np.float64}

Данные в исходном пространстве признаков.

set_fit_request(*, sample_weight: bool | None | str = '$UNCHANGED$') → KBinsDiscretizer[источник]#

Настроить, следует ли запрашивать передачу метаданных в fit метод.

Обратите внимание, что этот метод актуален только тогда, когда этот оценщик используется как под-оценщик внутри мета-оценщик и маршрутизация метаданных включена с помощью enable_metadata_routing=True (см. sklearn.set_config). Пожалуйста, проверьте Руководство пользователя о том, как работает механизм маршрутизации.

Варианты для каждого параметра:

  • True: запрашиваются метаданные и передаются fit если предоставлено. Запрос игнорируется, если метаданные не предоставлены.

  • False: метаданные не запрашиваются, и мета-оценщик не передаст их в fit.

  • None: метаданные не запрашиваются, и мета-оценщик выдаст ошибку, если пользователь предоставит их.

  • str: метаданные должны передаваться мета-оценщику с этим заданным псевдонимом вместо исходного имени.

По умолчанию (sklearn.utils.metadata_routing.UNCHANGED) сохраняет существующий запрос. Это позволяет изменять запрос для некоторых параметров, но не для других.

Добавлено в версии 1.3.

Параметры:
sample_weightstr, True, False или None, по умолчанию=sklearn.utils.metadata_routing.UNCHANGED

Маршрутизация метаданных для sample_weight параметр в fit.

Возвращает:
selfobject

Обновленный объект.

set_output(*, преобразовать=None)[источник]#

Установить контейнер вывода.

См. Введение API set_output для примера использования API.

Параметры:
преобразовать{“default”, “pandas”, “polars”}, по умолчанию=None

Настройка вывода transform и fit_transform.

  • "default": Формат вывода трансформера по умолчанию

  • "pandas": DataFrame вывод

  • "polars": Вывод Polars

  • None: Конфигурация преобразования не изменена

Добавлено в версии 1.4: "polars" опция была добавлена.

Возвращает:
selfэкземпляр estimator

Экземпляр оценщика.

set_params(**params)[источник]#

Установить параметры этого оценщика.

Метод работает как на простых оценщиках, так и на вложенных объектах (таких как Pipeline). Последние имеют параметры вида __ чтобы можно было обновить каждый компонент вложенного объекта.

Параметры:
**paramsdict

Параметры оценщика.

Возвращает:
selfэкземпляр estimator

Экземпляр оценщика.

преобразовать(X)[источник]#

Дискретизируйте данные.

Параметры:
Xarray-like формы (n_samples, n_features)

Данные для дискретизации.

Возвращает:
Xt{ndarray, sparse matrix}, dtype={np.float32, np.float64}

Данные в бинированном пространстве. Будет разреженной матрицей, если self.encode='onehot' и ndarray в противном случае.