weixin_40100502的博客

Binarizer类和KBinsDiscretizer类1：根据阈值将数据二值化（将特征值设置为0或1），用于处理连续型变量。大于阈值的值映射为1，而小于或等于阈值的值映射为0。默认阈值为0时，特征中所有的正值都映射到1。观察数据from sklearn.preprocessing import Binarizer# 把大于30的年龄的人分类到1，小于30的为0# 类为特征专用，不能使用一维数组X = data.iloc[:, 0].values.reshape(-1, 1) trans

前面介绍了LabelEnconder和OrdanalEncoder,本文介绍OneHotEnconder.如下贴图表示三个类的区别：再贴一张关于数据类型以及常用的统计量图sklearn.preprocessing.OneHotEnconder类实现独热编码（1）观察数据（2）实现Sex和Embarked两列的独热编码示例直接生成from sklearn.preprocessing import OneHotEncoderX = data.iloc[:, 1:-.

分类转换为分类数值1：通过sklearn中的preprocessing模块完成（1）观察数据 （2）标签列编码Survived为标签列，将标签列转换为分类数值。通过sklearn.preprocessing.LabelEnconder完成，该类专门用于处理分类标签数据转换成分类数值from sklearn.preprocessing import LabelEncoder y = data.iloc[:, -1] ...