- 数据预处理
1.1 缺失值填补
参考:https://blog.csdn.net/u014365862/article/details/51769308
embarked 上船地点
cabin 船舱号
age 年龄
数值型:随机森林(或者线性模型)预测填充
字符串:出现最多的字符串填充
1.2 观察各个变量与目标的关系
参考:https://blog.csdn.net/guoxinian/article/details/73740746
1.3 标准化数据型变量
参考:https://blog.csdn.net/haishu_zheng/article/details/80300705
import sklearn.preprocessing as preprocessing
scaler = preprocessing.StandardScaler()
age_scale_param = scaler.fit(df[‘Age’].values.reshape(-1, 1))
df[‘Age_scaled’] = scaler.fit_transform(df[‘Age’].values.reshape(-1, 1), age_scale_param)
fare_scale_param = scaler.fit(df[‘Fare’].values.reshape(-1, 1))
df[‘Fare_scaled’] = scaler.fit_transform(df[‘Fare’].values.reshape(-1, 1), fare_scale_param)
df
1.4 类别型变量dummy(两种方式,此为其一)
未完待续。。。