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