上一篇文章讲解了区间缩放法处理数据，接下来就讲解二值化处理
这个应该很简单了，从字面意思就是将数据分为 0 或者 1，联想到之前图像处理里面二值化处理变为黑白图片
下面还是进入主题吧
首先给出当前的二值化处理公式：
$$
y = \left\{ \begin{array}{ll}
0 & \textrm{if \(x<=\theta\)}\\
1& \textrm{if \(x>\theta\)}\\
\end{array} \right.
$$
上图中\(\theta\)是设定的阈值，特征值与阈值相比较，大于阈值则为 1 小于等于阈值为 0
sklearn 函数
from sklearn.preprocessing import Binarizer tmp=Binarizer().fit_transform(irisdata.data) print tmp[0:5]
输出结果
[[ 1. 1. 1. 1.] [ 1. 1. 1. 1.] [ 1. 1. 1. 1.] [ 1. 1. 1. 1.] [ 1. 1. 1. 1.]]
spark 函数
>>> df = sqlContext.createDataFrame([(0.5,)], ["values"])
>>> binarizer = Binarizer(threshold=1.0, inputCol="values", outputCol="features")
>>> binarizer.transform(df).head().features
0.0
#setParams 是用来设置二值化参数
>>> binarizer.setParams(outputCol="freqs").transform(df).head().freqs
0.0
>>> params = {binarizer.threshold: -0.5, binarizer.outputCol: "vector"}
>>> binarizer.transform(df, params).head().vector
1.0
transform(dataset, params=None)，其中 param 可以是字典参数，字典的键是类对象成员
Deeplearn, 版权所有丨如未注明 , 均为原创丨本网站采用BY-NC-SA协议进行授权 , 转载请注明特征工程（4）-数据预处理二值化！
