机器学习第二课

作业内容

不实用sklearnAPI的情况下，对乳腺癌数据进行一系列操作

1. 使用pandas读取乳腺癌肿瘤数据的csv文件
2. 使用pandas对csv数据中的标签进行转换（就是把csv中的“M”变成1，把“B”变成0）
3. 计算csv数据的每个特征的平均值、方差、中位数
4. 画出每一个特征的直方图
5. 对数据进行数据清洗（具体使用哪种方法，自己进行选择）
6. 使用python把csv数据划分为训练集和测试集
7. 使用python实现数据标准化处理，使用pandas实现数据标准化处理
8. 使用python实现交叉验证
9. 使用python实现分层交叉验证

代码与解析

import pandas as pd
import numpy as np
//1
data = pd.read_csv('/cancer.csv')
data.head(2)
//2
data.columns
pd.value_counts(data["1"])#第“1”列是label
data["1"] = data["1"].map(["B":1,"M":0])
//3
data[data.columns.difference(["1"])].describe()

看各特征的describe结果是为数据清洗做准备：

• 关注count（有无缺失值）
• meanÿ