class DataProcess(object): # 特征处理
def __init__(self, process_type):
self.process_type = process_type
if self.process_type == "Binary": # 二值化处理
self.processmodule = Binarizer(copy=True, threshold=0.0)
# 大于 threshold 的映射为1， 小于 threshold 的映射为0
elif self.process_type == "MinMax": # 归一化处理
self.processmodule = MinMaxScaler(feature_range=(0, 1), copy=True)
elif self.process_type == "Stand": # 标准化处理
self.processmodule = StandardScaler(copy=True, with_mean=True, with_std=True)
elif self.process_type == "Normal": # 正则化处理
self.processmodule = Normalizer(copy=True, norm="l2") # 可选择l1, max ,l2三种
elif self.process_type == "MultiLabelBinar": # 多标签二值化处理
self.processmodule = MultiLabelBinarizer(sparse_output=False) # 使用其他CRS格式使用True
else:
raise ValueError("please select a correct process_type")
def fit_transform(self, data):
return self.processmodule.fit_transform(data)
def fit(self, data):
self.processmodule.fit(data)
def transform(self, data):
self.processmodule.transform(data)
def set_params(self, params):
self.processmodule.set_params(**params)
def get_params(self):
return self.processmodule.get_params(deep=True)
def get_classes(self):
assert self.process_type in {"MultiLabelBinar"}
return self.processmodule.classes_ # 输出相关的classs有哪些不同的值
def invser_transform(self, data):
assert self.process_type in {"MultiLabelBinar", "MinMax", "Stand"}
return self.processmodule.inverse_transform(data)
def get_max(self): # 获取数组中所多有维度上的最大值与最小值
assert self.process_type in {"MinMax", "Stand"}
return self.processmodule.data_max_
def get_min(self):
assert self.process_type in {"MinMax", "Stand"}
return self.processmodule.data_min_
def partial_fit(self):
# 使用最后的一个缩放函数来在线计算最大值与最小值
assert self.process_type in {"MinMax", "Stand"}
return self.processmodule.partial_fit()
