版权声明:版权归张泽(www.zhangshengze.cn)所有 https://blog.csdn.net/weixin_43477082/article/details/85222218
此流程是一种简单的写法,在其他具体问题分析时,需有自己的分析方法,具体情况具体分析。
- 查看train_data与test_data 的个特征列的直方图分布情况,去掉分布特差的特征(分布特别不一致的那种)。
# 标准化后数据可视化
for col in data_minmax.columns:
plt.figure()
plt.title(col)
seaborn.distplot(data_minmax[col], label=‘minmax’)
seaborn.distplot(train[col], label=‘train’)
seaborn.distplot(test[col], label=‘test’)
plt.legend()
# plt.show()
plt.savefig(‘IMAGE/minmax_{}.jpg’.format(col)) - 对剩余数据进行数据标准化
preprocessing.minmaxsclar or Standard or minmax
3.对某些特征进行正太分布处理,使其符合正太分布
4.特征选择,剔除掉方差过小的特征
- 尝试选择模型
- 进行模型的融合