标准缩放器#

一个通过移除均值和缩放到单位方差来标准化输入特征的转换器。

模块内容#

类摘要#

StandardScaler

一个通过移除均值和缩放到单位方差来标准化输入特征的转换器。

内容#

class evalml.pipelines.components.transformers.scalers.standard_scaler.StandardScaler(random_seed=0, **kwargs)[source]#

一个通过移除均值和缩放到单位方差来标准化输入特征的转换器。

参数: random_seed (int) – 随机数生成器的种子。默认为 0。

属性

超参数范围	{}
修改特征	真
修改目标	假
名称	标准缩放器
仅用于训练	假

方法

`克隆`	构造一个具有相同参数和随机状态的新组件。
`默认参数`	返回此组件的默认参数。
`描述`	描述一个组件及其参数。
`拟合`	根据给定数据拟合标准缩放器。
`拟合并转换`	使用标准缩放器组件拟合并转换数据。
`加载`	从文件路径加载组件。
`需要拟合`	返回一个布尔值，确定组件在调用 predict、predict_proba、transform 或 feature_importances 之前是否需要拟合。
`参数`	返回用于初始化组件的参数。
`保存`	将组件保存到文件路径。
`转换`	使用已拟合的标准缩放器转换数据。
`更新参数`	更新组件的参数字典。

clone(self)#

构造一个具有相同参数和随机状态的新组件。

返回值: 此组件的一个新实例，具有相同的参数和随机状态。

static default_parameters(cls)#

返回此组件的默认参数。

我们的约定是 Component.default_parameters == Component().parameters。

返回值: 此组件的默认参数。
返回类型: dict

describe(self, print_name=False, return_dict=False)#

描述一个组件及其参数。

参数

print_name (bool, optional) – 是否打印组件名称
return_dict (bool, optional) – 是否将描述作为字典返回，格式为 {“name”: name, “parameters”: parameters}

返回值

如果 return_dict 为 True，则返回字典，否则返回 None。

返回类型

None 或 dict

fit(self, X, y=None)[source]#

根据给定数据拟合标准缩放器。

参数

X (pd.DataFrame) – 输入的训练数据，形状为 [n_samples, n_features]。
y (pd.Series, optional) – 目标训练数据，长度为 [n_samples]。

返回值

self

fit_transform(self, X, y=None)[source]#

使用标准缩放器组件拟合并转换数据。

参数

X (pd.DataFrame) – 输入的训练数据，形状为 [n_samples, n_features]。
y (pd.Series, optional) – 目标训练数据，长度为 [n_samples]。

返回值

转换后的数据。

返回类型

pd.DataFrame

static load(file_path)#

从文件路径加载组件。

参数: file_path (str) – 加载文件的位置。
返回值: ComponentBase 对象

needs_fitting(self)#

返回一个布尔值，确定组件在调用 predict、predict_proba、transform 或 feature_importances 之前是否需要拟合。

对于不需要拟合或其 fit 方法不执行任何操作的组件，可以将其覆盖为 False。

返回值: 真。

property parameters(self)#: 返回用于初始化组件的参数。

save(self, file_path, pickle_protocol=cloudpickle.DEFAULT_PROTOCOL)#

将组件保存到文件路径。

参数

file_path (str) – 保存文件的位置。
pickle_protocol (int) – pickle 数据流格式。

transform(self, X, y=None)[source]#

使用已拟合的标准缩放器转换数据。

参数

X (pd.DataFrame) – 输入的训练数据，形状为 [n_samples, n_features]。
y (pd.Series, optional) – 目标训练数据，长度为 [n_samples]。

返回值

转换后的数据。

返回类型

pd.DataFrame

update_parameters(self, update_dict, reset_fit=True)#

更新组件的参数字典。

参数

update_dict (dict) – 要更新的参数字典。
reset_fit (bool, optional) – 如果为 True，会将 _is_fitted 设置为 False。