仅标准化数字列

Question

我有 2 个函数来标准化我的数据，例如：

def standartChanger(dataFrame):
    stdSc = preprocessing.StandardScaler()
    cols = dataFrame.columns
    dfscaled = stdSc.fit_transform(dataFrame)
    dfscaled = pd.DataFrame(dfscaled, columns=cols)
    return dfscaled, stdSc

def standartChangerwithMeanVar(dataFrame,stdSc):
    cols = dataFrame.columns
    dataFrame = stdSc.transform(dataFrame)
    dfscaled = pd.DataFrame(dataFrame, columns=cols)
    return dfscaled

一个用于标准化训练，另一个用于测试。我的数据框中有一些我不想标准化的虚拟变量。 现在我需要修改这些函数以不触及 0-1 的虚拟变量。我该怎么做？

此外，在线性回归中，我有一个问题，即我的虚拟变量的系数太大，这会在预测中产生毫无意义的点。你对此有什么想法吗？

Answer 1

1. 我建议使用 MinMaxScaler，因为它会使您的虚拟变量保持原样，因为它们已经“标准化”。

2. 如果您正在执行回归问题，您可能应该尝试创建一个惩罚大系数的模型，例如 Lasso。它提供了有关这些功能的有价值的信息。在 Lasso 回归中，您有一个要调整的超参数：alpha，就像快速注意一样，alpha 越大，模型对大系数的惩罚越多，如果您设置 alpha = 0，您将得到线性回归。 Lasso 类似于正态回归，但其 alpha 可以做出更合理的估计并避免大系数。