特征工程（4）-数据预处理二值化

https://www.deeplearn.me/1389.html

上一篇文章讲解了区间缩放法处理数据，接下来就讲解二值化处理

这个应该很简单了，从字面意思就是将数据分为 0 或者 1，联想到之前图像处理里面二值化处理变为黑白图片

---

下面还是进入主题吧

首先给出当前的二值化处理公式：

$$\mathrm{y=\{0if x<=\theta 1if x>\theta y=\{0if x<=\theta 1if x>\theta }$$

上图中$\mathrm{\theta \theta 是设定的阈值，特征值与阈值相比较，大于阈值则为\; 1\; 小于等于阈值为\; 0}$

sklearn 函数

1. from sklearn.preprocessing import Binarizer
2. tmp=Binarizer().fit_transform(irisdata.data)
3. print tmp[0:5]

输出结果

1. [[ 1. 1. 1. 1.]
2. [ 1. 1. 1. 1.]
3. [ 1. 1. 1. 1.]
4. [ 1. 1. 1. 1.]
5. [ 1. 1. 1. 1.]]

spark 函数

1. >>> df = sqlContext.createDataFrame([(0.5,)], ["values"])
2. >>> binarizer = Binarizer(threshold=1.0, inputCol="values", outputCol="features")
3. >>> binarizer.transform(df).head().features
4. 0.0
5. #setParams 是用来设置二值化参数
6. >>> binarizer.setParams(outputCol="freqs").transform(df).head().freqs
7. 0.0
8. >>> params = {binarizer.threshold: -0.5, binarizer.outputCol: "vector"}
9. >>> binarizer.transform(df, params).head().vector
10. 1.0

 transform(dataset, params=None)，其中 param 可以是字典参数，字典的键是类对象成员