二手车价格预测-特征工程

本文探讨了二手车价格预测中的特征工程,并提供了一个用于处理异常值的Python代码示例,旨在提高预测准确性。
摘要由CSDN通过智能技术生成
import warnings
warnings.filterwarnings('ignore')
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
sample = pd.read_csv('used_car_sample_submit.csv',sep=' ')
test = pd.read_csv('used_car_testA_20200313.csv',sep=' ')
train= pd.read_csv('used_car_train_20200313.csv',sep=' ')

包装一个异常值处理的代码:

def outliers_proc(data,col_name,scale=3
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值