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（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，其目的是将数据从任意分布映射到接近高斯分布的位置。 映射到均匀分布 QuantileTransformer类以及quantile tran ...
2021-06-19 17:14 0 297 推荐指数：
相关推荐
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/170/docs/59.md 1 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 ...
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 ...
机器学习中线性模型和非线性的区别
机器学习中线性模型和非线性的区别 一、总结 一句话总结： 1)、线性和非线性的区别是是否可以用直线将样本划分开(这个观点是对的) 2)、线性模型可以是用曲线拟合样本，但是分类的决策边界一定是直线的，例如logistics模型 3)、区分是否为线性模型，主要是看一个乘法式子中自变量x前 ...
机器学习中的线性和非线性判断
机器学习中的线性和非线性判断 说到线性和非线性，你的直观理解是不是这样： 但这种直观理解其实不能回答下面这个问题： 那么为什么卷积操作是线性的，而ReLU是非线性的？ 很多人对线性的定义不是很清楚。 实际上，线性的定义是： F(ax+y) = aF(x) + F(y)， 其中x、y为变量 ...
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 ...
数据处理笔记---非线性回归模型
sklearn实现非线性回归模型的本质是通过线性模型实现非线性模型，如何实现呢？sklearn就是先将非线性模型转换为线性模型，再利用线性模型的算法进行训练模型。 一、线性模型解决非线性模型的思想 1、样本数据如下 x y ...