sklearn
Key_Word
sklearn, datasets, DataFrame, load_*
preprocessing, MinMaxScaler, scaler, fit, transform, data, target
sklearn数据获取
# In[1]:
import sklearn
# In[2]:
sklearn.__version__
# In[6]:
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
get_ipython().run_line_magic('matplotlib', 'inline')
#在jupyter中可视化的展示图形
from sklearn import datasets #从sklearn导入数据集
iris = datasets.load_iris()
# In[10]:
iris
iris.data
iris['target']
# In[17]:
# 利用dataframe做简单的可视化分析
df = pd.DataFrame(iris.data, columns = iris.feature_names) # 是一个表格
df['target'] = iris.target # 表头字段就是key
df.plot(figsize = (12, 8))
数据的预处理
数据的标准化: 将每一个数值调整到某一个数量级下
from sklearn import preprocessing # sklearn的数据标准化都在preprocessing下
数据的归一化
数据的二值化
非线性转换
数据特征编码
处理缺失值
数据标准化
Key_Word
preprocessing, MinMaxScaler, scaler, fit, transform, data, target
from sklearn import preprocessing scaler = preprocessing.MinMaxScaler() # scaler: 定标器 # MinMaxScaler将样本特征值线性缩放到0,1之间 scaler.fit(iris.data) # 先fit data = scaler.transform(iris.data) # 再transform 也可以二合一写成fit_transform target = iris.target