sklearn
キーワード
sklearn、データセット、データフレーム、LOAD_ *
前処理、MinMaxScaler、スケーラー、フィット感、変換、データ、ターゲット
sklearnデータ収集
#[1]: インポートsklearnの #[2] 。sklearn __VERSION__ #IN [6]: インポートNP AS numpyの インポートPD AS PANDAS インポートPLT AS matplotlib.pyplot 。Get_ipython()run_line_magic(' matplotlibの'、' インライン' ) #jupyterビジュアルプレゼンテーショングラフィックス から sklearn インポートデータセット #データセットsklearnからインポート IRIS = datasets.load_iris() #で[10]: IRIS iris.data IRIS [ 'ターゲット' ] #:IN [17]。 #データフレームを使用して、単純な視覚的分析を行う DF = pd.DataFrame(iris.data、列= iris.feature_names) #がテーブルである DF [ ' 標的' ] = iris.target #ヘッダフィールドがキーである (figsize =(12 ,. 8)である)df.plot
データの前処理
正規化されたデータ:調整値のそれぞれの大きさの次の順番に
sklearnのインポート前 #のデータ標準化sklearn前処理であります
データの正規化
二値化データ
非線形変換
データ符号化機能
欠損値の処理
データ標準化
キーワード
前処理、MinMaxScaler、スケーラー、フィット感、変換、データ、ターゲット
sklearn インポート前処理 スケーラ = preprocessing.MinMaxScaler() #のスケーラ:スケーラ #MinMaxScaler直線0,1の間にサンプルの特徴値をスケーリング scaler.fit(iris.data) #ファーストフィット データ= scaler.transform(IRIS。データ) #別のコンボfit_transformのように記述することができる変換 ターゲット= iris.target