機器學習 資料預處理 洗牌 切分

在邏輯回歸演算法資料預處理的過程中，有時會遇到標籤值分布不均衡的情況，我們在做切分資料集操作時，則需要打亂樣本順序，也叫洗牌。再用洗完牌的資料切分訓練集、測試集。

在numpy庫中，我們可以np.random.seed()函式設定隨機種子，來生成特定順序的序列 ，而在seed()函式中傳入的引數（整數），幫助我們設定生成隨機數的規則，如下：

for i in range(3):

np.random.seed(3)    # 設定隨機種子  所傳引數必須為整數
print(np.random.rand(3,2))  #隨機生成3行2列的矩陣
----
[[0.5507979  0.70814782]
[0.29090474 0.51082761]
[0.89294695 0.89629309]]
[[0.5507979  0.70814782]
[0.29090474 0.51082761]
[0.89294695 0.89629309]]
[[0.5507979  0.70814782]
[0.29090474 0.51082761]
[0.89294695 0.89629309]]

np.random.seed(3)  # 隨機種子

print(np.random.rand(3,2))  #隨機生成3行2列的矩陣
print(np.random.rand(3,2))
----
[[0.5507979  0.70814782]
[0.29090474 0.51082761]
[0.89294695 0.89629309]]
[[0.12558531 0.20724288]
[0.0514672  0.44080984]
[0.02987621 0.45683322]]

import numpy as np

x =[[0,0],
[0,1],
[1,0],
[1,1]]
y = [[1],
[1],
[0],
[0]]
#資料轉化為矩陣
x = np.c_[np.ones(len(x)),x]
y = np.c_[y]
#洗牌m = len(x)
np.random.seed(3)   	#隨機種子
order = np.random.permutation(m)   #返回打亂的序列
x = x[order]    #運用打亂的序列對資料進行打亂操作
y = y[order]
print(x)
print(y)
----
[[1. 1. 1.]
[1. 0. 1.]
[1. 0. 0.]
[1. 1. 0.]]
[[0]
[1][1]
[0]]

#  a為分界點，避免小數，使用int對資料型別進行強轉

a = int(0.7*m)
train_x,test_x = np.split(x,[a])
train_y,test_y = np.split(y,[a])
print('訓練集特徵\n',train_x)
print('訓練集標籤\n',train_y)
print('測試集特徵\n',test_x)
print('測試集標籤\n',test_y)
---訓練集特徵
[[1. 1. 1.]
[1. 0. 1.]]
訓練集標籤
[[0]
[1]]
測試集特徵
[[1. 0. 0.]
[1. 1. 0.]]
測試集標籤
[[1]
[0]]

機器學習 資料預處理

均值為0，標準差為1 from sklearn import preprocessing scaler preprocessing.standardscaler scaler.fit transform x 對原始資料進行線性變換，變換到 0,1 區間 也可以是其他固定最小最大值的區間 from s...

機器學習 資料預處理

1 連續資料特徵離散化的方法 由於lr 中模型表達能力有限，可以通過特徵離散化來提高非線性學習能力。主要方法 1 等距離散 取值範圍均勻劃分成n 等分，每份的間距相等。2 等頻離散 均勻分為n 等分，每份內包含的觀察點數相同 3 優化離散 3 1 卡方檢驗方法 統計樣本的實際觀測值與理論判斷值之間的...

機器學習python資料預處理

from pandas import read csv from sklearn.preprocessing import standardscaler from numpy import set printoptions from sklearn.preprocessing import minm...