机器学习之数据预处理

1.导入需要的库，Numpy，Pandas

2.导入数据集

3.处理丢失数据，数据可能是因为各种原因丢失，未了不降低机器学习模型的性能，需要处理数据，我们可以用整列的平均值，或中间值替换丢失的数据。我们用sklearn。preprocessing库中的Imputer类完成这项任务。

4.解析分类数据，分类数据是指含有标签值而不是数字值的变量，取值范围通常是固定的，例如yes，no不能用于模型的数值计算，所以需要解析成数字。为实现这一功能，我们可以用sklearn.preprocessing库中的LabelEncoder类。

5.拆分数据集为训练集和测试集，两者比例一般是8:2，我们用sklearn.crossvalidation库中的train_test_split()方法。

6.特征缩放，大部分算法使用两点间的欧式距离计算，但此特征在幅度，单位，和范围姿态问题上变化很大。在距离计算中，高幅度特征权重更大。可用特征标准化或Z值归一化解决，导入sklearn.preprocessing库中的Stan-dardScalar类。

转自：https://github.com/MLEveryday/100-Days-Of-ML-Code