sklearn連續型資料離散化

設定乙個condition，把連續型的資料分類兩類。比如age，大於30，和小於30。

from sklearn.preprocessing import binerize as ber

x = data_2.iloc[:,0].values.reshpe(-1,1) #提取資料
trans = ber(threshold = 30).fit_transform(x)
trans

有時資料可能需要對資料進行分箱化處理，或者給不同的資料設定不同的標籤。

from sklearn.preprocessing import labelencoder as le

l = le()
l=l.fit(y)
label =l.transform(y)

l.classes_

label中就是處理過的資料。可直接寫成：

from sklearn.preprocessing import labelencoder

data.iloc[:,-1]=labelencoder().fit_transform(data.iloc[:,-1])

stu_id

小學中學

大學1234

11235

11236

1這種方法就叫獨熱編碼。

from sklearn.preprocessing import onehotencoder

enc=onehotencoder(categories='auto').fit(x)

enc.get_feature_names()

得到的結果是稀疏矩陣，需要用toarray() 方法。

result=onehotencoder(categories='auto').fit_transform(x).toarray()

newdata=pd.concat([data, pd.dataframe(result)],axis=1)

連續資料離散化

資料規範化 import pandas as pd datafile eeeee chapter4 demo data discretization data.xls 引數初始化 data pd.read excel datafile 讀取資料 data data u 肝氣鬱結證型係數 copy k...

連續資料的離散化

1.分段類散 同步pandas.cut對值進行分段劃分，進行離散化。類散化後是分段的index。import pandas as pd data 1,3,6,20,50,100 w 0,10,50,100 v 5data cut1 pd.cut data,w,labels false data cu...

連續特徵離散化

參考知乎使用者 在工業界，很少直接將連續值作為邏輯回歸模型的特徵輸入，而是將連續特徵離散化為一系列0 1特徵交給邏輯回歸模型，這樣做的優勢有以下幾點 離散特徵的增加和減少都很容易，易於模型的快速迭代 這個點理解 稀疏向量內積乘法運算速度快，計算結果方便儲存，容易擴充套件 離散化後的特徵對異常資料有很...