机器学习sklearn（五）： 数据处理（二）缺失值处理
来源 https://www.cnblogs.com/B-Hanan/articles/12774433.html 1 单变量缺失 help(SimpleImpute ...
原文：机器学习sklearn（六）： 数据处理（三）数值型数据处理（一）归一化( MinMaxScaler/MaxAbsScaler)
来源：https: www.cntofu.com book docs .md 将特征缩放至特定范围内 一种标准化是将特征缩放到给定的最小值和最大值之间，通常在零和一之间，或者也可以将每个特征的最大绝对值转换至单位大小。可以分别使用MinMaxScaler和MaxAbsScaler实现。 使用这种缩放的目的包括实现特征极小方差的鲁棒性以及在稀疏矩阵中保留零元素。 以下是一个将简单的数据矩阵缩放到 , ...
2021-06-19 15:13 0 429 推荐指数：
相关推荐
机器学习sklearn（四）： 数据处理（一）数据集拆分（一）train_test_split
train_test_split In scikit-learn a random split into training and test sets can be quickly computed ...
机器学习sklearn（十一）： 数据处理（六）非线性转换
有两种类型的转换是可用的:分位数转换和幂函数转换。分位数和幂变换都基于特征的单调变换，从而保持了每个特征值的秩。 通过执行秩变换，分位数变换平滑了异常分布，并且比缩放方法受异常值的影响更小。但是它的确使特征间及特征内的关联和距离失真了。 幂变换则是一组参数变换，其目的是将数据 ...
学机器学习，不会数据处理怎么行？—— 一、NumPy详解
最近学习强化学习和机器学习，意识到数据分析的重要性，就开始补Python的几个科学计算库，并总结到博客中。本篇博客中用到的代码在这里下载。 什么是Numpy？ NumPy是Python数值计算最重要的基础包，支持高级大量的维度数组与矩阵运算，大多数提供科学计算的包都是使用Numpy的数组 ...
学机器学习，不会数据处理怎么行？—— 二、Pandas详解
在上篇文章学机器学习，不会数据处理怎么行？—— 一、NumPy详解中，介绍了NumPy的一些基本内容，以及使用方法，在这篇文章中，将接着介绍另一模块——Pandas。（本文所用代码在这里） Pandas数据结构介绍 大家应该都听过表结构，但是，如果让你自己来实现这么一个结构，并且能对其进行数据处理 ...