如何使用Python Scikit-learn將數據二值化？

在機器學習和數據挖掘中，通常使用二元方法來處理需要分類的數據。愛掏網 - it200.com二值化（Binarization）是一種將數據轉換為二進制格式的方法，它可以非常有效地處理需要二元分類的數據集。愛掏網 - it200.comPython中的Scikit-learn（簡稱sklearn）是非常廣泛使用的機器學習庫之一，它提供了各種算法和工具，其中包括數據二值化的方法。愛掏網 - it200.com在本文中，我們將介紹如何使用Scikit-learn將數據二值化。愛掏網 - it200.com

在深入學習如何使用Scikit-learn完成數據二值化之前，我們需要先了解一些二值化的概念。愛掏網 - it200.com二值化是將連續型數據轉換為離散型數據的過程，通常是將數據映射到一個二進制向量中。愛掏網 - it200.com在這個向量中，數據小于或等于某個閾值的位置為0，而大于這個閾值的位置為1。愛掏網 - it200.com這個閾值的選擇取決于數據的特點和應用場景。愛掏網 - it200.com

二值化是預處理中非常常用的技術，它可以將數據歸一化為0或1，便于進行二分類操作。愛掏網 - it200.com它可以應用于數字圖像處理（如邊緣檢測、形態分析），語音識別等諸多領域。愛掏網 - it200.com

Python Scikit-learn數據二值化實例

Python Scikit-learn (sklearn)是一個廣泛使用的機器學習和數據挖掘工具庫，它提供了許多算法和工具，包括二值化方法。愛掏網 - it200.com在本節中，我們將介紹如何使用Scikit-learn將數據二值化。愛掏網 - it200.com我們將使用一個簡單的數據集來演示。愛掏網 - it200.com

首先，我們需要導入數據集。愛掏網 - it200.com在這個例子中，我們將使用一個名為 iris 數據集，該數據集是由 Ronald Fisher 在 1936 年所引入的，它包含了三種不同的 Iris(鳶尾)種類，每個品種50個實例，其中包含了測量的萼片和花瓣的長度和寬度。愛掏網 - it200.com這是一個非常流行的例子，可以在Scikit-learn中輕松獲取。愛掏網 - it200.com

代碼如下：

from sklearn.datasets import load_iris
iris = load_iris()
X = iris.data
y = iris.target

我們將數據集分別存儲在 X 和 y 中，其中 X 包含了測量的特征，并且 y 是所屬分類的矢量。愛掏網 - it200.com現在我們可以使用Scikit-learn的Binarizer方法將數據進行二值化。愛掏網 - it200.comBinarizer方法將一個閾值作為輸入，并將數據從任意閾值轉換為0或1。愛掏網 - it200.com在這個示例中，我們將使用2.5作為閾值。愛掏網 - it200.com

代碼如下：

from sklearn.preprocessing import Binarizer
transformer = Binarizer(threshold=2.5)
X_binarized = transformer.transform(X)

我們首先導入了Binarizer類，然后將閾值設置為2.5，注意這個閾值的選擇需要數據的特點和應用場景。愛掏網 - it200.com最后，我們使用變換器來將數據X轉換為二進制形式，并將其存儲在變量 X_binarized 中。愛掏網 - it200.comBinarizer() 方法轉換數據為二元的形式，然后再次分配給X_binarized變量。愛掏網 - it200.com

現在，我們可以輸出數據進行對比，來看看二值化之后的效果如何。愛掏網 - it200.com我們使用單獨的代碼塊對比二進制和非二進制形式的數據集X。愛掏網 - it200.com

print("原始數據集 X:\n", X[:5])
print("\n二值化數據集 X_binarized:\n", X_binarized[:5])

輸出結果如下：

原始數據集 X:
 [[5.1 3.5 1.4 0.2]
 [4.9 3.  1.4 0.2]
 [4.7 3.2 1.3 0.2]
 [4.6 3.1 1.5 0.2]
 [5.  3.6 1.4 0.2]]

二值化數據集 X_binarized:
 [[1. 1. 0. 0.]
 [1. 0. 0. 0.]
 [1. 0. 0. 0.]
 [1. 0. 0. 0.]
 [1. 1. 0. 0.]]

可以看到，在原始數據集中浮點數被保留，而在二進制數據集中浮點數已被轉換為整數0或1，這就是二值化的效果。愛掏網 - it200.com

交互式示例

要更好地理解代碼運行結果，我們可以使用交互式示例。愛掏網 - it200.com在交互式示例中，我們可以選擇特定的閾值，并通過滑塊調整該閾值，以查看影響二值化結果的不同閾值。愛掏網 - it200.com

首先，我們需要安裝ipywidgets和widgetsnbextension，這兩個庫是為Jupyter筆記本設計的交互式部件。愛掏網 - it200.com安裝指令如下：

!pip install ipywidgets
!jupyter nbextension enable --py widgetsnbextension

然后，我們可以以交互方式調整閾值，并查看不同閾值下的二值化結果。愛掏網 - it200.com完整代碼如下：