我有一个关于如何正确缩放我的数据集的问题。

我的数据集包括

1. 一个我目前以秒存储的日期

2. 一个介于1到5之间的数值

3. 大约240个布尔值，1或0

所以一行数据看起来像这样

[1514761200, 3, 1, 1, 0, 0, 1, 0, 1,  ......]

我尝试使用scikit StandardScaler进行缩放，但结果出现了一些非常奇怪的值，有些0保持为0，而其他值被缩放到类似-1.736的数值。当我对数据应用inverse_transform时，一些布尔值仍然是奇怪的数字。

我认为问题可能出在日期列的巨大数值上，但我不是很确定。

如果是这样的话，有没有更好的处理日期的方法？或者一般来说，如何处理那些与其他数据不匹配但又必需的1/2列数据呢？

谢谢。

回答：

在大多数情况下，缩放是分别应用于每个特征的，这就是StandardScaler所做的。因此，一些0保持为0而其他0被转换是完全正常的。请看以下代码

int_mat = np.array([[0,0],[0,1],[0,2]])

输出

array([[0, 0],   [0, 1],   [0, 2]])

现在我们进行缩放

from sklearn.preprocessing import StandardScalerssc = StandardScaler()int_scaled = ssc.fit_transform(int_mat)inverse_scaling = ssc.inverse_transform(int_scaled)

int_scaled

array([[ 0.        , -1.22474487],       [ 0.        ,  0.        ],       [ 0.        ,  1.22474487]])

如你所见，第一个特征（第一列）保持不变，因为它已经具有零均值。

逆变换结果为原始矩阵

inverse_scaling

array([[0.00000000e+00, 1.11022302e-16],       [0.00000000e+00, 1.00000000e+00],       [0.00000000e+00, 2.00000000e+00]])