机器学习_10_数据预处理

最新推荐文章于 2025-05-13 19:15:46 发布

Java「在学」

最新推荐文章于 2025-05-13 19:15:46 发布

阅读量232

点赞数

分类专栏：机器学习入门

机器学习入门专栏收录该内容

10 篇文章

订阅专栏

本文详细介绍使用MinMaxScaler进行数据尺度调整，StandardScaler实现数据正态化处理，Normalizer处理稀疏数据标准化，以及Binarizer生成明确的二值数据特征。通过实例演示了不同预处理方法在糖尿病预测数据集上的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

01.调整数据尺度： MinMaxScaler(）类

#  01.调整数据尺度： MinMaxScaler(）类
from pandas import read_csv
from  numpy import set_printoptions
from sklearn.preprocessing import MinMaxScaler
# a.导入数据
filename = 'Pima_Indians.csv'
names = ['preg','plas','pres','skin',
         'test','mess','pedi','age','class']
data = read_csv(filename,names=names)
# b.将数据分为输入数据和输出结果
array = data.values
X = array[:,0:8]
Y = array[:,8]
transformer = MinMaxScaler(feature_range=(0,1))
# c。数据转换
newX = transformer.fit_transform(X)
#  设定数据的打印格式
set_printoptions(precision=3)
print(newX)

在这里插入图片描述
02.正态化数据处理正态分布StandardScaler().fit()

#  02.正态化数据处理正态分布StandardScaler().fit()
from pandas import read_csv
from  numpy import set_printoptions
from sklearn.preprocessing import StandardScaler
# a.导入数据
filename = 'Pima_Indians.csv'
names = ['preg','plas','pres','skin',
         'test','mess','pedi','age','class']
data = read_csv(filename,names=names)
# b.将数据分为输入数据和输出结果
array = data.values
X = array[:,0:8]
Y = array[:,8]
transformer = StandardScaler().fit(X)
# c。数据转换
newX = transformer.fit_transform(X)
#  设定数据的打印格式
set_printoptions(precision=3)
print(newX)

在这里插入图片描述
03.标准化数据处理稀疏数据 Normalizer().fit(X)

#  03.标准化数据处理稀疏数据 Normalizer().fit(X)
from pandas import read_csv
from  numpy import set_printoptions
from sklearn.preprocessing import Normalizer
# a.导入数据
filename = 'Pima_Indians.csv'
names = ['preg','plas','pres','skin',
         'test','mess','pedi','age','class']
data = read_csv(filename,names=names)
# b.将数据分为输入数据和输出结果
array = data.values
X = array[:,0:8]
Y = array[:,8]
transformer = Normalizer().fit(X)
# c。数据转换
newX = transformer.fit_transform(X)
#  设定数据的打印格式
set_printoptions(precision=3)
print(newX)

在这里插入图片描述
04.二值数据生成明确值或特征工程增加属性

#  04.二值数据生成明确值或特征工程增加属性
from pandas import read_csv
from  numpy import set_printoptions
from sklearn.preprocessing import Binarizer
# a.导入数据
filename = 'Pima_Indians.csv'
names = ['preg','plas','pres','skin',
         'test','mess','pedi','age','class']
data = read_csv(filename,names=names)
# b.将数据分为输入数据和输出结果
array = data.values
X = array[:,0:8]
Y = array[:,8]
transformer = Binarizer(threshold=0.0).fit(X)
# c。数据转换
newX = transformer.fit_transform(X)
#  设定数据的打印格式
set_printoptions(precision=3)
print(newX)

在这里插入图片描述