educoder 数据挖掘算法原理与实践：数据预处理

原创

于 2021-11-08 16:42:57 发布 · 1.7k 阅读

11 ·

CC 4.0 BY-SA版权

文章标签：

#数据挖掘 #算法 #python

该博客详细介绍了数据挖掘中的关键步骤——数据预处理，包括标准化、非线性转换、归一化、离散值编码、生成多项式特征以及估算缺失值等核心技巧，通过实践操作帮助读者掌握数据预处理的精髓。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

第1关：标准化

# -*- coding: utf-8 -*-

from sklearn.preprocessing import scale,MaxAbsScaler,MinMaxScaler

#实现数据预处理方法
def Preprocessing(x,y):
    '''
    x(ndarray):处理 数据
    y(str):y等于'z_score'使用z_score方法
           y等于'minmax'使用MinMaxScaler方法
           y等于'maxabs'使用MaxAbsScaler方法
    '''
    #********* Begin *********#
    if y == 'z_score':        
        x = scale(x)
        return x
    elif y == 'minmax':
        min_max_scaler  = MinMaxScaler()
        x = min_max_scaler.fit_transform(x)
        return x
    elif y == 'maxabs':
        maxabs = MaxAbsScaler()
        x = maxabs.fit_transform(x)
        return x
    #********* End *********#

第2关：非线性转换

# -*- coding: utf-8 -*-
from sklearn.preprocessing import QuantileTransformer

#实现非线性转换方法
def non_linear_transf

最低0.47元/天解锁文章

200万优质内容无限畅学