人工智能基础_机器学习021_归一化实战_天池工业蒸汽量项目归一化实战过程_使用sklearn库中的最大最小值归一化和_sklearn库中的Z-score归一化_02---人工智能工作笔记0061

本文通过实例展示了在天池工业蒸汽量项目中,如何使用sklearn库进行最大最小值归一化和Z-Score归一化的实战过程。归一化对预测结果的影响被探讨,指出仅对X_train进行归一化是不够的,X_test和y_train也需要进行相同处理。归一化后,模型预测的损失值减小,表明归一化能提升模型性能。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

我们先来看一下使用最大最小值归一化,以后再去进行预测,然后看结果

上一节我们发现,进行归一化和不进行归一化得到的,预测结果得到的评分一样对吧,我们看看怎么回事.


import pandas as pd 读取csv文件

import numpy as np 数学计算

from sklearn.linear_model import LinearRegression

from sklearn.preprocessing import MinMaxScaler

df=pd.readcsv('./zhengqi_train.txt',sep='\t')

X_train=df.iloc[:,:1]   X_train数据从第一列截取到前一列,其实就是x数据

y_train=df[target']  y_train 获取最后一列数据也就是目标数据

X_test = pd.read_csv('./zhengqi_test.txt' , sep = '\t' ) 获取测试数据

display

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

添柴程序猿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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。

余额充值