6. Transformaciones de conjuntos de datos

scikit-learn proporciona una biblioteca de transformadores, que pueden limpiar (ver Preprocesamiento de los datos), reducir (ver Reducción de dimensionalidad no supervisada), expandir (ver Aproximación de núcleo) o generar (ver Extracción de características) representaciones de características.

Al igual que otros estimadores, están representados por clases con un método fit, que aprende los parámetros del modelo (por ejemplo, la media y la desviación estándar para la normalización) a partir de un conjunto de entrenamiento, y un método transform que aplica este modelo de transformación a los datos no vistos. El método fit_transform puede ser más conveniente y eficiente para modelar y transformar los datos de entrenamiento simultáneamente.

La combinación de dichos transformadores, ya sea en paralelo o en serie, se cubre en Pipelines y estimadores compuestos. Métricas por pares, afinidades y núcleos cubre la transformación de espacios de características en matrices de afinidad, mientras que Transformación del objetivo de predicción (y) considera las transformaciones del espacio objetivo (por ejemplo, etiquetas categóricas) para su uso en scikit-learn.

• 6.1. Pipelines y estimadores compuestos
  • 6.1.1. Pipeline: estimadores encadenados
  • 6.1.2. Transformación del objetivo en regresión
  • 6.1.3. FeatureUnion: espacios de características compuestas
  • 6.1.4. ColumnTransformer para datos heterogéneos
  • 6.1.5. Visualización de estimadores compuestos
• 6.2. Extracción de características
  • 6.2.1. Cargando características desde diccionarios
  • 6.2.2. Hashing de características
  • 6.2.3. Extracción de característica de texto
  • 6.2.4. Extracción de características de imagen
• 6.3. Preprocesamiento de los datos
  • 6.3.1. Estandarización, o eliminación media y escala de varianza
  • 6.3.2. Transformación no lineal
  • 6.3.3. Normalización
  • 6.3.4. Codificación de características categóricas
  • 6.3.5. Discretización
  • 6.3.6. Imputación de valores faltantes
  • 6.3.7. Generación de características polinomiales
  • 6.3.8. Transformadores personalizados
• 6.4. Imputación de valores faltantes
  • 6.4.1. Imputación univariante frente a multivariante
  • 6.4.2. Imputación de características univariantes
  • 6.4.3. Imputación de características multivariantes
  • 6.4.4. Referencias
  • 6.4.5. Imputación de vecinos más cercanos
  • 6.4.6. Marcar los valores imputados
• 6.5. Reducción de dimensionalidad no supervisada
  • 6.5.1. Análisis de Componentes Principales (Principal Component Analysis, PCA)
  • 6.5.2. Proyecciones aleatorias
  • 6.5.3. Aglomeración de características
• 6.6. Proyección aleatoria
  • 6.6.1. El lema Johnson-Lindenstrauss
  • 6.6.2. Proyección aleatoria Gaussiana
  • 6.6.3. Proyección aleatoria dispersa
• 6.7. Aproximación de núcleo
  • 6.7.1. Método Nystroem para la aproximación de núcleos
  • 6.7.2. Núcleo de la función de base radial
  • 6.7.3. Núcleo aditivo de chi cuadrado
  • 6.7.4. Núcleo de chi cuadrado sesgado
  • 6.7.5. Aproximación de núcleos polinómicos a través de Tensor Sketch
  • 6.7.6. Detalles matemáticos
• 6.8. Métricas por pares, afinidades y núcleos
  • 6.8.1. Similitud del coseno
  • 6.8.2. Núcleo lineal
  • 6.8.3. Núcleo polinomial
  • 6.8.4. Núcleo sigmoidal
  • 6.8.5. Núcleo RBF
  • 6.8.6. Núcleo Laplaciano
  • 6.8.7. Núcleo chi-cuadrado
• 6.9. Transformación del objetivo de predicción (y)
  • 6.9.1. Binarización de etiquetas
  • 6.9.2. Codificación de etiquetas