RobustScaler

El escalador sklearn.preprocessing.RobustScaler aplica un escalado a las características de forma que sea más robusto a los valores atípicos o outliers.

En concreto, RobustScaler realiza dos pasos principales:

1. Calcula la mediana y el rango intercuartil (IQR) de cada característica en el conjunto de datos (el IQR es la diferencia entre el percentil 75 y el percentil 25 de los datos). La mediana y el IQR son medidas resistentes a los valores atípicos, lo que significa que no se ven afectados por posibles valores extremos que puedan existir en los datos.

2. Utiliza la mediana y el IQR de cada característica para escalar los datos. En particular, RobustScaler transforma cada valor de la característica restando la mediana de la característica y dividiendo por el IQR de la característica.

Apliquémoslo al dataset Iris. Para poder visualizar los datos originales, fijémonos en apenas dos de las características: sepal_length y sepal_width:

Ahora importemos el escalador, instanciémoslo y transformemos el dataset original (las cuatro características predictivas):

Podemos reconstruir el DataFrame original con los nuevos valores y visualizar las primeras muestras:

Si mostramos la información estadística del resultado, comprobaremos que, efectivamente, la mediana toma el valor 0 en las cuatro características:

Llevemos las dos primeras características predictivas a un diagrama de dispersión para visualizar la distribución de los datos transformados: