sega_learn.utils.dataPreprocessing

Modules
		numpy pandas

Classes
		builtins.object Scaler   class Scaler(builtins.object)     Scaler(method='standard')   A class for scaling data by standardization and normalization.     Methods defined here: __init__(self, method='standard') Initializes the scaler with the specified method.   Args:     method: (str) - The scaling method to use. Options are 'standard', 'minmax', or 'normalize'. fit(self, X) Fits the scaler to the data.   Args:     X: (numpy.ndarray) - The data to fit the scaler to. fit_transform(self, X) Fits the scaler to the data and then transforms it.   Args:     X: (numpy.ndarray) - The data to fit and transform.   Returns:     X_transformed: (numpy.ndarray) - The transformed data. inverse_transform(self, X) Inverse transforms the data using the fitted scaler.   Args:     X: (numpy.ndarray) - The data to inverse transform.   Returns:     X_inverse: (numpy.ndarray) - The inverse transformed data. transform(self, X) Transforms the data using the fitted scaler.   Args:     X: (numpy.ndarray) - The data to transform.   Returns:     X_transformed: (numpy.ndarray) - The transformed data. Data descriptors defined here: __dict__ dictionary for instance variables __weakref__ list of weak references to the object

Functions
		normalize(X, norm='l2') Normalizes the input data using the specified norm.   Args:     X: (numpy.ndarray) - The input data to be normalized.     norm: (str), optional - The type of norm to use for normalization (default is 'l2').         Options:             - 'l2': L2 normalization (Euclidean norm).             - 'l1': L1 normalization (Manhattan norm).             - 'max': Max normalization (divides by the maximum absolute value).             - 'minmax': Min-max normalization (scales to [0, 1]).   Returns:     X: (numpy.ndarray) - The normalized data. one_hot_encode(X, cols=None) One-hot encodes non-numerical columns in a DataFrame or numpy array.   Drops the original columns after encoding.   Args:     X: (pandas.DataFrame or numpy.ndarray) - The data to be encoded.     cols: (list), optional - The list of column indices to be encoded (default is None).         If None, all non-numerical columns will be encoded.   Returns:     X: (pandas.DataFrame or numpy.ndarray) - The data with one-hot encoded columns.