Python sklearn 机器学习数据摆放

根据官网教程是需要X(数据)和y(分类)的

2x2的数据，怎么摆放啊.?
自己动手，丰衣足食

---

经过sklearn处理的数据都是array 形态

先调入创建数据 ss.csv，300,400,500这个是特征。ABC是样品号,class是分类。

from sklearn import svm
import pandas as pd

data=pd.read_csv('ss.csv')

#只要数据
X=data.iloc[:,2:].values

#分类标签 这里是dataframe转ndarray
y=data.iloc[:,1:2].values

#2维array转1维arry
y=y.flatten()

#开始机器学习啦
from sklearn.svm import SVC
clf=svm.SVC()
clf =SVC().fit(X,y)

print('Class=',y)
print('Predict=',clf.predict(X))
print('Score=',clf.score(X,y))

结果如下

可以看到4/6的准确度。

数据按行排列即可，
分类标签必须是1维array,记得用data.flatten()从2维转过去

---

依据个人需求对样品或者或特征归一化/标准化

1.为什么要做特征归一化/标准化？.

---

本人技术不佳，这些代码主要是用于自己学习。
如果代码或文章阅读性不好，请多多见谅