Python初心者向け：sklearnで標準化する方法を解説

▶ sklearnを用いた正規化についてはこちらの記事で扱っています。

Python初心者向けにsklearnライブラリを使った正規化の方法を基本から解説します。sklearnの前処理前処理を扱う機能（preprocessing）には、たくさんのメソッドがありますが、今回はこの中のscaleメソッドを用いた正規化を基本から解説します。

はじめに

今回は機械学習のフレームワークであるscikit-learnの中にある、前処理を扱う機能についてご紹介します。scikit-learnの中には前処理をおこなうためのpreprocessingというライブラリがあります。たくさんのメソッドがありますが、今回はこの中のscaleメソッドを扱います。

preprocessingにあるメソッド

さっそく見ていきましょう。まずは必要なライブラリをインポートしましょう。

# ライブラリのインポート
import pandas as pd
import seaborn as sns
import numpy as np
from sklearn import preprocessing

これで準備は完了です。ところで、フレームワークとライブラリという用語はどのように使い分けてるか気になりませんでした？以下が参考になりました。

https://qiita.com/azuki8/items/ad7710fdefaedc63e3f7

sklearnというフレームワークからpreprocessingというライブラリをインポートしています。まずは、preprocessingにどのようなメソッドがあるかをみてみましょう。

np.array(dir(preprocessing))

dir(ライブラリ名)でそのライブラリの持つメソッドがリストで返されます。そのままリストでもよいのですが、見やすくするためにnumpyのarray形式で表示させています。たくさんのメソッドがありますね。この中で今回はscaleを見ていきましょう。

scaleメソッドについて

scaleメソッドは、標準化をするためのメソッドです。ここでは、標準化・正規化を次のように使い分けています。

Python初心者向け：標準化/正規化という用語の使い分けについて

Python初心者向けにデータの前処理である準化・正規化について基本から解説します。この用語の明確な使い分けが定義されているわけではないようです。ここでは、各項目を説明する前に、このブログの中での意味の使い分けを説明しておきます。

つまり、平均を0にし、標準偏差を1に設定するメソッドです。次のように使います。

# irisデータの読み込み
iris=sns.load_dataset('iris')
iris.head()

先頭列のsepal_lengthを標準化してみましょう。

iris['sepal_length_ss']=preprocessing.scale(iris['sepal_length'])

たった1行、これだけでできます。念のため、確認しておきましょう。

print('標準化前の平均は%.2fです'%iris['sepal_length'].mean())
print('標準化前の標準偏差は%.2fです'%iris['sepal_length'].std())
print('*'*30)
print('標準化後の平均は%.2fです'%iris['sepal_length_ss'].mean())
print('標準化後の標準偏差は%.2fです'%iris['sepal_length_ss'].std())