sklearn 数据载入+数据预处理

最新推荐文章于 2025-03-17 09:59:47 发布

原创最新推荐文章于 2025-03-17 09:59:47 发布 · 1.1k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#python

SkLearn 专栏收录该内容

2 篇文章

订阅专栏

本文详细介绍了一个典型的机器学习项目从数据载入到模型评估的全过程，包括数据集划分、数据标准化处理等关键步骤，并提到了sklearn库中多分类器的支持方式。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.数据载入

from sklearn import datasetsiris = datasets.load_iris()

2.数据集划分【原来sklearn本身已经实现了，之前做交叉验证对比试验却忘记用了。。。】

from sklearn.cross_validation import train_test_split   #注：后期版本 from sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)

3.数据标准化处理

from sklearn.preprocessing import StandardScaler#数据标准化sc=StandardScaler()  sc.fit(X_train)                                      #通过训练集计算均值和方差X_train_std=sc.transform(X_train)X_test_std=sc.transform(X_test)        #测试集使用和训练集相同的均值和方差

sklearn里面的很多算法都已经支持多分类器，但是需要默认设置分类器方法为One-Vs-Rest(OvR)