Ctrl+K

KBinsDiscretizer#

class sklearn.preprocessing.KBinsDiscretizer(n_bins=5, *, encode='onehot', strategy='quantile', dtype=None, subsample=200000, random_state=None)[源代码]#

将连续数据放入时间间隔中。

阅读更多的 User Guide .

Added in version 0.20.

参数:
n_bins形状的int或类数组（n_features，），默认=5

要生成的箱子数。如果出现以下情况，则引发ValueError n_bins < 2 .

encode' onehot '，' onehot '，' ordinal '，默认=' onehot; onehot '

用于编码转换结果的方法。

  • “onehot”：使用one-hot编码编码转换后的结果并返回稀疏矩阵。被忽视的功能总是堆叠在右侧。

  • “onehot-dense”：使用one-hot编码对转换后的结果进行编码，并返回密集数组。被忽视的功能总是堆叠在右侧。

  • “ordinal”：返回编码为整值的bin标识符。

strategy' uniform '，'分位数'，&#39

用于定义箱宽度的策略。

  • “均匀”：每个特征中的所有箱都具有相同的宽度。

  • “分位数”：每个要素中的所有箱都具有相同的点数。

  • “kmeans”：每个bin中的值具有1D k均值集群的相同最近中心。

有关不同策略的示例，请参阅： sphx_glr_auto_examples_preprocessing_plot_discretization_strategies.py .

dtype{np.float32，np.float64}，默认=无

输出所需的数据类型。如果无，则输出dype与输入dype一致。仅支持np.float32和np.float64。

Added in version 0.24.

subsampleint或None，默认值=200_000

为了计算效率，用于匹配模型的最大样本数量。 subsample=None 表示在计算确定分箱阈值的分位数时使用所有训练样本。由于分位数计算依赖于对 X 这种排序具有 n log(n) 由于时间复杂性，建议对样本数量非常大的数据集使用子采样。

在 1.3 版本发生变更: 的默认值 subsample 由 None 到 200_000 当 strategy="quantile" .

在 1.5 版本发生变更: 的默认值 subsample 由 None 到 200_000 当 strategy="uniform" 或 strategy="kmeans" .

random_stateint，RandomState实例或无，默认=无

确定子采样的随机数生成。传递int以获得跨多个函数调用的可重复结果。看到 subsample 参数了解更多详细信息。看到 Glossary .

Added in version 1.1.

属性:
bin_edges_nd数组的nd数组的形状（n_features，）

每个垃圾箱的边缘。包含不同形状的阵列 (n_bins_, ) 被忽视的功能将具有空数组。

n_bins_nd数组形状（n_features，），dype =np.int64

每个要素的箱数。宽度太小的箱（即，<= 1 e-8）删除并发出警告。

n_features_in_int

期间看到的功能数量 fit .

Added in version 0.24.

feature_names_in_ ：nd形状数组 (n_features_in_ ,)nd数组形状（

Names of features seen during fit. Defined only when X has feature names that are all strings.

Added in version 1.0.

参见

Binarizer

类用于将值分类为 0 或 1 基于参数 threshold .

注意到

有关不同数据集上离散化的可视化，请参阅 sphx_glr_auto_examples_preprocessing_plot_discretization_classification.py .关于离散化对线性模型的影响，请参阅： sphx_glr_auto_examples_preprocessing_plot_discretization.py .

要素的箱边缘 i ，第一个和最后一个值仅用于 inverse_transform .在变换过程中，bin边缘扩展为：：

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

你可以结合 KBinsDiscretizer 与 ColumnTransformer 如果您只想预处理部分功能。

KBinsDiscretizer 可能产生恒定的特征（例如，当 encode = 'onehot' 并且某些箱不包含任何数据）。这些特征可以通过特征选择算法删除（例如， VarianceThreshold ).

示例

>>> 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.]])

有时将数据转换回原始特征空间可能很有用。的 inverse_transform 函数将分组数据转换为原始特征空间。每个值将等于两个箱边的平均值。

>>> 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]])
fit(X, y=None, sample_weight=None)[源代码]#

拟合估计量。

参数:
X形状类似阵列（n_samples，n_features）

要离散化的数据。

y没有一

忽视此参数仅为与兼容而存在 Pipeline .

sample_weight形状的nd数组（n_samples，）

包含与每个样本关联的权重值。时不能使用 strategy 设置为 "uniform" .

Added in version 1.3.

返回:
self对象

返回实例本身。

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

适应数据，然后对其进行转换。

适合变压器 X 和 y 具有可选参数 fit_params 并返回的转换版本 X .

参数:
X形状类似阵列（n_samples，n_features）

输入样本。

y形状为（n_samples，）或（n_samples，n_outputs）的阵列状， 默认值=无

目标值（无监督转换）。

**fit_paramsdict

其他适合参数。

返回:
X_newndray形状数组（n_samples，n_features_new）

变形的数组。

get_feature_names_out(input_features=None)[源代码]#

获取输出功能名称。

参数:
input_features字符串或无的类数组，默认=无

输入功能。

  • 如果 input_features 是 None 那么 feature_names_in_ 在中用作功能名称。如果 feature_names_in_ 未定义，则生成以下输入要素名称： ["x0", "x1", ..., "x(n_features_in_ - 1)"] .

  • 如果 input_features 是一个类似阵列的，那么 input_features 必须匹配 feature_names_in_ 如果 feature_names_in_ 是定义的。

返回:
feature_names_out字符串对象的nd数组

转换的功能名称。

get_metadata_routing()[源代码]#

获取此对象的元数据路由。

请检查 User Guide 关于路由机制如何工作。

返回:
routingMetadataRequest

A MetadataRequest 封装路由信息。

get_params(deep=True)[源代码]#

获取此估计器的参数。

参数:
deep布尔，默认=True

如果为True，将返回此估计量和包含的作为估计量的子对象的参数。

返回:
paramsdict

参数名称映射到其值。

inverse_transform(X=None, *, Xt=None)[源代码]#

将离散化数据转换回原始特征空间。

请注意，由于离散化四舍五入，此函数不会重新生成原始数据。

参数:
X形状类似阵列（n_samples，n_features）

在垃圾箱空间中转换的数据。

Xt形状类似阵列（n_samples，n_features）

在垃圾箱空间中转换的数据。

自 1.5 版本弃用: Xt 在1.5中已废弃，并将在1.7中删除。使用 X 而不是.

返回:
Xinvndarray，dtype={np.float32，np.float64}

Data in the original feature space.

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

请求元数据传递给 fit 法

请注意，此方法仅适用于以下情况 enable_metadata_routing=True （见 sklearn.set_config ).请参阅 User Guide 关于路由机制如何工作。

The options for each parameter are:

  • True ：元数据被请求并传递给 fit 如果提供的话。如果未提供元数据，则会忽略请求。

  • False ：未请求元数据，元估计器不会将其传递给 fit .

  • None ：不请求元数据，如果用户提供元估计器，则元估计器将引发错误。

  • str ：元数据应通过此给定别名而不是原始名称传递给元估计器。

默认 (sklearn.utils.metadata_routing.UNCHANGED ）保留现有请求。这允许您更改某些参数的请求，而不是其他参数。

Added in version 1.3.

备注

只有当该估计器用作元估计器的子估计器时，该方法才相关，例如在 Pipeline .否则就没有效果了。

参数:
sample_weight字符串、真、假或无， 默认=sklearn.utils. metalics_Routing.UNChanged

元数据路由 sample_weight 参数 fit .

返回:
self对象

更新的对象。

set_output(*, transform=None)[源代码]#

设置输出容器。

看到 介绍 set_output API 了解如何使用API的示例。

参数:
transform{“默认”，“pandas”，“polars”}，默认=无

配置输出 transform 和 fit_transform .

  • "default" ：Transformer的默认输出格式

  • "pandas" ：DataFrame输出

  • "polars" ：两极输出

  • None ：转换配置不变

Added in version 1.4: "polars" 添加了选项。

返回:
self估计器实例

估计实例。

set_params(**params)[源代码]#

设置此估计器的参数。

该方法适用于简单估计器以及嵌套对象（例如 Pipeline ).后者具有以下形式的参数 <component>__<parameter> 以便可以更新嵌套对象的每个组件。

参数:
**paramsdict

估计参数。

返回:
self估计器实例

估计实例。

transform(X)[源代码]#

离散化数据。

参数:
X形状类似阵列（n_samples，n_features）

要离散化的数据。

返回:
Xt{nd数组，稀疏矩阵}，dype ={np.float32，np.float64}

垃圾箱空间中的数据。将是稀疏矩阵，如果 self.encode='onehot' 否则为ndarray。

On this page