python数据分析与应用课后实训_python数据分析与应用

python数据分析与应用笔记

使用sklearn构建模型

1.使用sklearn转换器处理数据

import numpy as np

from sklearn.datasets import load_breast_cancer

from sklearn.preprocessing import MinMaxScaler #该函数时对数据做标准化处理

from sklearn.decomposition import PCA #该函数时对数据进行降维处理

from sklearn.model_selection import train_test_split #该函数是对数据做训练集和测试集的划分

cancer = load_breast_cancer() #将数据集赋值给cancer变量

cancer_data = cancer['data'] #提取数据集中的数据

cancer_target = cancer['target'] #提取数据集中的标签

cancer_names = cancer['feature_names'] #查看特征数目

cancer_desc = cancer['DESCR']

#划分训练集和测试集，其中20%的作为测试集

cancer_train_data,cancer_test_data,cancer_train_target,cancer_test_target = train_test_split(cancer_data,cancer_target,test_size = 0.2,random_state = 42)

scaler = MinMaxScaler().fit(cancer_train_data) #生成规则

# 将规则应用于训练集和测试集

cancer_trainScaler = scaler.transform(cancer_train_data)

cancer_testScaler = scaler.transform(cancer_test_data)

#构建pca降维模型

pca_model = PCA(n_components = 10).fit(cancer_trainScaler)

#将降维模型应用于标准化之后的训练数据和测试数据

cancer_trainPca = pca_model.transform(cancer_trainSc