数据降维
特征选择
噪声:对预测结果有影响
过滤式:方差 variancethreshold
def var():
"""
特征选择-删除低方差的特征
:return: None
"""
var = VarianceThreshold(threshold=1.0)
data = var.fit_transform([[0, 2, 0, 3], [0, 1, 4, 3], [0, 1, 1, 3]])
print(data)
return None
嵌入式
神经网络
主成分分析
PCA 数据维数压缩,特征数量达到上百时
高维数据:特征容易相关。
降维会产生数据损失,PCA降维的同时减少信息损失。
n_components:小数0—1
保留多少信息90%-95%
整数:减少到的特征数量
实例:
1.各张表合并 pd.merge()
import pandas as pd
2.分组工具:交叉表 crosstab
3.PCA
监督学习:有目标值
分类 离散型 回归连续型
无监督学习:只有特征值
数据集划分
训练集 测试集
获取数据集
sklearn.model_selection.train_test_split
datasets.load_()
datasets.fetch_
datasets.base.Bunch(字典格式)
数据集分割
train_test_spit=(li.data,li.target,test_size=0.25)
注意输出顺序:
训练集特征值和目标值
测试集特征值和目标值
from sklearn.datasets import load_iris, fetch_20newsgroups, load_boston
li = load_iris()
#print("获取特征值")
#print(li.data)
#print("目标值")
#print(li.target)
print(li.DESCR)
# 注意返回值, 训练集 train x_train, y_train 测试集 test x_test, y_test
# x_train, x_test, y_train, y_test = train_test_split(li.data, li.target, test_size=0.25)
转换器与估计器
fit()标准不同,转换得到的数据就不同
estimator估计器
fit(x_train,y_train)
y_predict=predict(x_test)
预测准确率 score(x_test,y_test)