zoukankan      html  css  js  c++  java
  • 入门·开始使用机器学习

    入门·开始使用机器学习

    标签(空格分隔): 100DaysOfMLCode


    步骤1:导入库

    NumPy和Pandas,这两个是我们每次都需要导入的库。NumPy是一个包含数学计算函数的库,Pandas用于导入和管理数据集。
    步骤2:导入数据集

    数据集通常是.csv格式。csv以文本格式存储表格数据。文件的每一行是一条数据记录。我们使用Pandas的read_csv方法来读取本地CSV文件,作为一个数据帧。然后我们从数据帧中制作自变量和因变量独立的矩阵和向量。
    步骤3:处理丢失的数据

    我们得到的数据很少是完整的数据可能会由于各种原因丢失,为了不因此降低我们机器学习模型的表现,需要进行处理。我们可以用整条数据的平均值或者中位数来代替丢失的数据。使用sklearn.preprosessing库中的Imputer类来实现此任务。
    步骤4:编码分类数据

    分类数据是包含标签值而不是数字值的变量。取值的可能通常在固定的范围。例如“Yes”和“No”这样的值不能用于模型的数学计算,因此我们需要将这些变量编码成数字。为了实现这个操作,我们从sklearn.preprosessing库中导入LabelEncoder类。
    步骤5:将数据集拆分为训练集和测试集

    数据集分为两部分,将用于训练模型的一部分成为训练数据集,用于验证模型的数据集叫做测试数据集。比例常为80/20.我们导入sklearn.crossvalidation库中的train_test_split()方法。
    步骤6:特征缩放

    大多数机器学习算法在计算中使用两个数据点之间的欧几里德距离,这样特征在幅度、单位、和范围姿态问题上变化很大。在距离计算中,高幅度的特征比低幅度的特征权重更大。可以使用特征标准化或Z值归一化解决。导入sklearn.preprosessing库的StadardScalar类。
    中文翻译

    英文原图

  • 相关阅读:
    十进制转换成二进制列表
    openssl生成RSA格式的公私钥,并转为pkcs8格式
    yum安装报错:Failure when receiving data from the peer
    springboot配置swagger
    Impala配置HA-Nginx
    如何安装windows7
    MySQL数据实时增量同步到Kafka
    ElasticSearch-SQL 安装和使用
    部署nexus服务
    maven发布jar包到nexus
  • 原文地址:https://www.cnblogs.com/yihe/p/9459195.html
Copyright © 2011-2022 走看看