如何在Python中利用Scikit-learn的RobustScaler处理离群点?

大辰姑娘_6293

大辰姑娘_6293

2026-11-21

834人浏览

原创

RobustScaler更抗离群点因其使用中位数和四分位距(IQR)而非均值和标准差进行缩放,中位数和IQR对离群点不敏感;例如数据[1,2,3,4,100]中,均值为22、标准差约44,而中位数为3、IQR为2,后者更稳定。

如何在python中利用scikit-learn的robustscaler处理离群点?

RobustScaler 为什么比 StandardScaler 更抗离群点

因为 RobustScaler 用中位数(median)和四分位距(IQR = Q3 - Q1)做标准化,而不是均值和标准差。离群点会严重拉偏均值和标准差,但对中位数和 IQR 影响小。比如一维数据 [1, 2, 3, 4, 100]:均值是 22,标准差约 44;而中位数是 3,IQR 是 2 —— 显然更稳定。

实际使用时,RobustScaler 对每个特征独立计算 center_(中位数)和 scale_(IQR),再执行 (x - center_) / scale_。它不假设数据服从正态分布,适合金融、传感器读数等天然含异常值的场景。

fit_transform() 时遇到 ValueError: "Input contains NaN" 怎么办

RobustScaler 默认不接受缺失值,哪怕只有一列一个 np.nan 就直接报错:ValueError: Input contains NaN。

  • 先用 pd.isna() 或 np.isnan() 检查缺失位置,别跳过这步
  • 若缺失比例低(SimpleImputer(strategy='median') 填充 —— 和 RobustScaler 的中位数逻辑一致,避免引入偏差
  • 若缺失集中或有业务含义(如“未测量”),别盲目填充,先单独标记为新特征或用指示变量(is_missing 列)
  • 不能在 fit_transform() 前用 dropna(),否则训练/预测阶段行为不一致,线上会出错

如何让 RobustScaler 在 Pipeline 中正确处理训练集和测试集

关键点是:必须用同一个 RobustScaler 实例的 transform() 处理测试集,不能重新 fit_transform()。

错误写法:

scaler = RobustScaler()<br>train_scaled = scaler.fit_transform(X_train)<br>test_scaled = scaler.fit_transform(X_test)  <p>正确写法(推荐 Pipeline):<br></p><div class="aritcle_card flexRow artxards">
											<div class="artcardd flexRow">
												<a class="aritcle_card_img" rel="nofollow" href="/xiazai/skill13660" title="使用 Claude Agent SDK 将绑定的 Claude 代码会话嵌入到 Python 自动化中"><img
														src="https://img.php.cn/upload/skill/001/246/273/6adaf20dee630206.jpg" alt="使用 Claude Agent SDK 将绑定的 Claude 代码会话嵌入到 Python 自动化中" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
												<div class="aritcle_card_info flexColumn">
													<a rel="nofollow" href="/xiazai/skill13660" title="使用 Claude Agent SDK 将绑定的 Claude 代码会话嵌入到 Python 自动化中" class="overflowclass">使用 Claude Agent SDK 将绑定的 Claude 代码会话嵌入到 Python 自动化中</a>
													<p class="overflowclass">当现有的脚本或服务需要将作用域化的仓库工作委托给 Claude Code 并以编程方式消费结构化响应时,请使用 Claude Agent SDK for Python。</p>
												</div>
												<a rel="nofollow" href="/xiazai/skill13660" title="使用 Claude Agent SDK 将绑定的 Claude 代码会话嵌入到 Python 自动化中" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span>
												</a>
											</div>
										</div><pre class="brush:php;toolbar:false;">from sklearn.pipeline import Pipeline<br>pipe = Pipeline([<br>    ('scaler', RobustScaler()),<br>    ('model', LogisticRegression())<br>])<br>pipe.fit(X_train, y_train)<br>y_pred = pipe.predict(X_test)

手动操作也行,但必须:

  • scaler.fit(X_train) 只在训练集上拟合
  • X_train_scaled = scaler.transform(X_train)
  • X_test_scaled = scaler.transform(X_test) —— 注意是 transform,不是 fit_transform

scale_ 为 0 导致除零警告或 inf 怎么排查

当某列所有值都相等(如全为 0 或全为 5),IQR = 0,scale_ 就是 0,除零后结果全是 inf 或 -inf,后续模型基本失效。

检查方法:

scaler = RobustScaler().fit(X_train)<br>print("scale_: ", scaler.scale_)<br>print("columns with zero scale: ", np.where(scaler.scale_ == 0)[0])

解决方式:

  • 用 pd.DataFrame.nunique() 查看每列唯一值数量,提前筛掉常量列(nunique() == 1)
  • 在 Pipeline 前加一步 VarianceThreshold(threshold=0) 自动移除方差为 0 的列(注意:RobustScaler 不依赖方差,但 IQR 为 0 等价于该列无变化)
  • 不要用 with_mean=False 或 with_std=False 这类参数 —— RobustScaler 没有这些参数,那是 StandardScaler 的

真正麻烦的是那些看起来有变化、但 IQR 恰好为 0 的列(比如 [1,1,1,2,2,2],Q1=1,Q3=2,IQR=1;但如果数据是 [1,1,1,1,2,2],Q1=1,Q3=1,IQR=0)。这种边界情况得靠业务理解判断是否该保留。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

python

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1971

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5644

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1909

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

34537

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4027

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4027

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1303

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3143

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程