Question

我使用了sklearn标准分析器（平均删除和方差缩放）来缩放数据帧并将其与数据帧进行比较，其中我手动＆＃34;减去平均值并除以标准差。比较显示了一致的微小差异。谁能解释为什么？（我使用的数据集是：http://archive.ics.uci.edu/ml/datasets/Wine

import pandas as pd
from sklearn.preprocessing import StandardScaler

df = pd.read_csv("~/DataSets/WineDataSetItaly/wine.data.txt", names=["Class", "Alcohol", "Malic acid", "Ash", "Alcalinity of ash", "Magnesium", "Total phenols", "Flavanoids", "Nonflavanoid phenols", "Proanthocyanins", "Color intensity", "Hue", "OD280/OD315 of diluted wines", "Proline"])

cols = list(df.columns)[1:]    # I didn't want to scale the "Class" column
std_scal = StandardScaler()
standardized = std_scal.fit_transform(df[cols])
df_standardized_fit = pd.DataFrame(standardized, index=df.index, columns=df.columns[1:])

df_standardized_manual = (df - df.mean()) / df.std()
df_standardized_manual.drop("Class", axis=1, inplace=True)

df_differences = df_standardized_fit - df_standardized_manual
df_differences.iloc[:,:5]


    Alcohol    Malic acid   Ash         Alcalinity  Magnesium
0   0.004272    -0.001582   0.000653    -0.003290   0.005384
1   0.000693    -0.001405   -0.002329   -0.007007   0.000051
2   0.000554    0.000060    0.003120    -0.000756   0.000249
3   0.004758    -0.000976   0.001373    -0.002276   0.002619
4   0.000832    0.000640    0.005177    0.001271    0.003606
5   0.004168    -0.001455   0.000858    -0.003628   0.002421

Answer 1

scikit-learn使用np.std，默认情况下是人口标准差（其中平方偏差之和除以观察数），大熊猫使用样本标准差（分母是观察数） - 1）（见Wikipedia's standard deviation article）。这是一个校正因子，可以对人口标准差进行无偏估计，并由自由度（ddof）确定。因此，默认情况下，numpy＆scikit-learn的计算使用ddof=0，而pandas使用ddof=1（docs）。

DataFrame.std（axis = None，skipna = None，level = None，ddof = 1，numeric_only = None，** kwargs）

返回请求轴上的样本标准偏差。

默认情况下由N-1标准化。这可以使用ddof更改   参数

如果您将熊猫版本更改为：

df_standardized_manual = (df - df.mean()) / df.std(ddof=0)

差异几乎为零：

        Alcohol    Malic acid           Ash  Alcalinity of ash     Magnesium
0 -8.215650e-15 -5.551115e-16  3.191891e-15       0.000000e+00  2.220446e-16
1 -8.715251e-15 -4.996004e-16  3.441691e-15       0.000000e+00  0.000000e+00
2 -8.715251e-15 -3.955170e-16  2.886580e-15      -5.551115e-17  1.387779e-17
3 -8.437695e-15 -4.440892e-16  3.164136e-15      -1.110223e-16  1.110223e-16
4 -8.659740e-15 -3.330669e-16  2.886580e-15       5.551115e-17  2.220446e-16

sklearn standardscaler结果与手动结果不同

1 个答案: