Python机器学习 -- 数据预处理

最新推荐文章于 2024-07-09 14:17:32 发布

vinceHM

最新推荐文章于 2024-07-09 14:17:32 发布

阅读量563

点赞数

分类专栏： Python 文章标签： python 机器学习

本文链接：https://blog.csdn.net/vinceHM/article/details/105504985

版权

本文介绍了Python机器学习中数据预处理的各种方法，包括MinMaxScaler、StandardScaler、MaxAbsScaler、RobustScaler、QuantileTransformer、正则化、编码分类特征（LabelEncoder、OrdinalEncoder、OneHotEncoder）以及离散化（KBinsDiscretizer）。这些预处理步骤对于机器学习模型的性能至关重要，尤其是在处理异常值、标准化数据和转化分类特征为数值类型时。

摘要由CSDN通过智能技术生成

MinMaxScale

最小-最大规范化对原始数据进行线性变换，变换到[0,1]区间（也可以是其他固定最小最大值的区间）每个特征中的最小值变成了0，最大值变成了1.m

import numpy as np
from sklearn.preprocessing import MinMaxScaler
X = np.array([[-1, 2], [-0.5, 6], [0, 10], [1, 18]])</

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

vinceHM

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Python机器学习 -- 数据预处理

MinMaxScale最小-最大规范化对原始数据进行线性变换，变换到[0,1]区间（也可以是其他固定最小最大值的区间）每个特征中的最小值变成了0，最大值变成了1.mimport numpy as npfrom sklearn.preprocessing import MinMaxScalerX = np.array([[-1, 2], [-0.5, 6], [0, 10], [1, 18]...
复制链接

扫一扫