梯度下降法和随机梯度下降法

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.preprocessing import LabelEncoder,MinMaxScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.decomposition import PCA
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
import random
#加载数据返回dataframe
def load_data():
    data = pd.read_csv('D:\data\lgdata.csv',index_col=False, header=None,names=['target','x1','x2','x3','x4','x5',
                                                                                'x6','x7','x8','x9','x10','x11','x12',
                                                                                'x13','x14','x15','x16','x17','x18','x19',
                                                                                'x20','x21','x22'])
    return data
#特征工程:补齐缺失值对离散特征进行独热码以及对target进行labelecode
def deal_feature(data):
    #首先使用knn对特征进行补齐
    #在此之前先将数据集进行独热码处理,否则无法使用knn
    #需要补齐得数据
    l_data = data.loc[data['x11'].isin(['?'])]
    #训练数据
    t_data = data.loc[data['x11']!='?']
    #训练数据得x
    t_x = t_data.loc[:,[
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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