官方文件位址
這個模組的主要內容是資料的預處理：
binarizer
sklearn.preprocessing.binarizer(
*, threshold=
0.0, copy=
true
)
引數
示例
>>
>
from sklearn.preprocessing import binarizer
>>
>x =[[
1.,-
1.,2
.],[
2.,0
.,0.
],[0
.,1.
,-1.
]]>>
>transformer = binarizer(
).fit(x)
>>
>transformer
>binarizer(
)>>
>transformer.transform(x)
array([[
1.,0
.,1.
],[1
.,0.
,0.]
,[0.
,1.,
0.]]
)
labelencoder
sklearn.preprocessing.labelencoder示例
>>
>
from sklearn import preprocessing
>>
> le = preprocessing.labelencoder(
)>>
> le.fit([1
,2,2
,6])
labelencoder(
)>>
> le.classes_
array([1
,2,6
])>>
> le.transform([1
,1,2
,6])
array([0
,0,1
,2].
..)>>
> le.inverse_transform([0
,0,1
,2])
array([1
,1,2
,6])
>>
> le = preprocessing.labelencoder(
)>>
> le.fit(
["paris"
,"paris"
,"tokyo"
,"amsterdam"])
labelencoder(
)>>
>
list
(le.classes_)
['amsterdam'
,'paris'
,'tokyo'
]>>
> le.transform(
["tokyo"
,"tokyo"
,"paris"])
array([2
,2,1
]...
)>>
>
list
(le.inverse_transform([2
,2,1
]))[
'tokyo'
,'tokyo'
,'paris'
]
minmaxscaler
sklearn.preprocessing.minmaxscaler(feature_range=(0
,1),
*, copy=
true
)
若是給minmaxscaler提供乙個明確的feature_range=(min,max),完整公式是：
x_std =
(x - x.
min(axis=0)
)/(x.max
(axis=0)
-x.min
(axis=0)
)#max 是feature_range中的max，min是feature_range中的min
x_scaled = x_std *
(max
-min)+
min
示例
將資料矩陣縮放到[0-1]範圍
>>
> x_train = np.array([[
1.,-
1.,2
.],.
..[2
.,0.
,0.]
,...
[0.,
1.,-
1.]]
)# 一種寫法
>>
> min_max_scaler = preprocessing.minmaxscaler(
)>>
> x_train_minmax = min_max_scaler.fit_transform(x_train)
>>
> x_train_minmax
array([[
0.5,0.
,1.]
,[1.
,0.5
,0.33333333],
[0.,
1.,0
.]])
#第二種寫法
>>
>min_max_scaler = preprocessing.minmaxscaler(feature_range=(0
,1))
>>
>x_train_minmax = min_max_scaler.fit(x_train_minmax)
>>
>x_train_minmax.transform(x_train_minmax)
array([[
0.5,0.
,1.]
,[1.
,0.5
,0.33333333],
[0.,
1.,0
.]])
sklearn學習筆記之開始
自2007年發布以來，scikit learn已經成為python重要的機器學習庫了。scikit learn簡稱sklearn，支援包括分類 回歸 降維和聚類四大機器學習演算法。還包含了特徵提取 資料處理和模型評估三大模組。sklearn是scipy的擴充套件，建立在numpy和matplotli...
sklearn學習筆記之嶺回歸
嶺回歸是一種專用於共線性資料分析的有偏估計回歸方法，實質上是一種改良的最小二乘估計法，通過放棄最小二乘法的無偏性，以損失部分資訊 降低精度為代價獲得回歸係數更為符合實際 更可靠的回歸方法，對病態資料的擬合要強於最小二乘法。乙個簡單的例子 from sklearn.linear model impor...
sklearn學習筆記
1.波士頓房價線性回歸模型 from sklearn import datasets from sklearn.linear model import linearregression boston datasets.load boston data x boston.data y boston.t...