sklearn数据集变换

huahuahuahhhh

于 2020-04-29 22:18:57 发布

阅读量371

点赞数

CC 4.0 BY-SA版权

分类专栏： Sklearn_工具文章标签：数据预处理

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/Blankit1/article/details/105849314

Sklearn_工具专栏收录该内容

4 篇文章

订阅专栏

本文详细介绍了使用sklearn进行数据预处理的方法，包括数据集变换步骤、管道机制（Pipline）、特征抽取（FeatureExtraction）等核心内容。通过Pipline和FeatureUnion可以高效地进行数据处理和特征工程，实现从特征提取到分类的完整流程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、数据集变换步骤

在这里插入图片描述

sklearn中的transformer类，有fit和transform函数

二、Pipline(管道机制)

1. Pipline方法

Pipline将多个estimator级联成一个estimator。这样做考虑了数据处理一系列前后相继的固定流。比如feature extraction ——> normalization ——> classification

convience 只需调用一次fit和predict就可以在数据集上训练一组estimators
联合参数选择（joint parameter selection） 添加grid search

2. make_pipline方法

在这里插入图片描述

三、FeatureUnion

3.1 基本介绍

在这里插入图片描述

3.2 用法(与Pipline类似)

在这里插入图片描述
设定参数

四、特征抽取(Feature Extraction)

在这里插入图片描述

4.1 Loading Features from Dicts

DictVectorizer
在这里插入图片描述

4.2 Features hashing

在这里插入图片描述

4.3 Text Feature Extraction

在这里插入图片描述

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。