RobustScaler は中央値と四分位範囲（IQR）を用いてスケーリングすることで、外れ値の影響を抑えます。金融データやセンサー値など、極端な値が混在するケースで重宝します。
1. 変換の仕組み #
$$ x’ = \frac{x - \text{median}(x)}{\text{IQR}(x)} $$
ここで IQR = Q3 - Q1。中央値でセンタリングし、IQR でスケールするため、外れ値があっても中心やスケールが大きく変動しません。
2. Python 実装 #
import numpy as np
from sklearn.preprocessing import RobustScaler
data = np.array(
[[10], [12], [9], [11], [300]] # 外れ値を含む
)
scaler = RobustScaler(
with_centering=True,
with_scaling=True,
quantile_range=(25.0, 75.0),
)
scaled = scaler.fit_transform(data)
print("中央値:", scaler.center_)
print("IQR:", scaler.scale_)
print("変換後:\n", scaled.T)
外れ値の 300 があっても、他の値が大きく押しつぶされずに済みます。
3. ハイパーパラメータの直感 #
| パラメータ | 役割 | 変えるとどうなるか |
|---|---|---|
quantile_range | IQR の上下パーセンタイル | (10, 90) のように広げるとスケールが大きく、狭めると外れ値の影響がさらに減る |
with_centering | 中央値を引くか | False にするとスケーリングのみ。疎行列や既に中心化されたデータで有効 |
with_scaling | IQR で割るか | False にすると中央値調整だけを行う。スケールを保ちつつ外れ値対策したいとき |
unit_variance | IQR を 1 に合わせるか | True で IQR が 1 になるよう再スケーリングし、StandardScaler に近い感覚で扱える |
quantile_range はデータの分布に合わせて調整するのがポイント。極端な外れ値が多い場合は (20, 80) や (30, 70) まで狭めると頑健性が増します。
4. 他スケーラーとの使い分け #
- StandardScaler：外れ値が少なく、ガウス分布に近い場合。
- MinMaxScaler：値域を揃えたい場合。
- RobustScaler：外れ値が多い、または分布が歪んでいる場合の第一候補。
まとめ #
- RobustScaler は中央値と IQR を用いて外れ値に強いスケーリングを実現する。
quantile_rangeを調整すると外れ値耐性とスケール感をトレードオフできる。- 他のスケーラーと状況に応じて使い分けることで、前処理の品質が向上する。