数据转换
本次只讲数据预处理,调整数据尺度,正态化数据,标准化数据,而至数据
数据尺度调整,可以做数据归一化处理,主要是sklearn 的MinMaxScaler类
from pandas import read_csv
from numpy import set_printoptions
from sklearn.preprocessing import MinMaxScaler
filename = 'D:\data\pima-indians-diabetes.csv'
names = ['preg','plas','pres','skin','test','mass','pedi','age','class']
data=read_csv(filename,names=names)
array=data.values
x=array[:,0:8]
y=array[:,8]
transformer = MinMaxScaler(feature_range=(0,1))
a=transformer.fit_transform(x)
set_printoptions(precision=3)
print(a)
数据显示效果如下
[[0.353 0.744 0.59 … 0.501 0.234 0.483]
[0.059 0.427 0.541 … 0.396 0.117 0.167]
[0.471 0.92 0.525 … 0.347 0.254 0.183]
…
[0.294 0.608 0.59 … 0.39 0.071 0.15 ]
[0.059 0.633 0.492 … 0.449 0.116 0.433]
[0.059 0.467 0.574 … 0.453 0.101 0.033]]
sklearn 的 StandardScaler()类,做正态化处理
Normalizer()做标准化处理,Binarizer()类做二值化