机器学习之分类学习(数据收集及清洗)
2017-08-29 13:01
176 查看
这个系列的文章参考自《python机器学习及其实践》。
分类学习属于有监督学习中最常用常用的学习方法,有监督学习是明确特征结果的,即每个数据都是有标签的。在实际生活中,我们会遇到很多分类问题,比如,对好人和坏人的分类;气象台的天气预告也是分类问题,通过出现的天气特征,预测是雨天还是晴天;生物学家进行物种分类。上面提到的分类问题都是已知了类别的,这就是有监督学习的特征之一。
分类学习也可以说机器学习的第一步是先收集数据,巧妇难为无米之炊,数据就是我们的米,没有米,怎么烹饪出一锅好饭。
先从互联网上收集我们需要的数据:
接下来就是数据清洗,一锅好饭肯定不单单是要有米,是要有好米,如果给你一袋满是沙粒的米,这怎么做饭,所以我们需要清洗,将其中的杂质去除。
分类学习属于有监督学习中最常用常用的学习方法,有监督学习是明确特征结果的,即每个数据都是有标签的。在实际生活中,我们会遇到很多分类问题,比如,对好人和坏人的分类;气象台的天气预告也是分类问题,通过出现的天气特征,预测是雨天还是晴天;生物学家进行物种分类。上面提到的分类问题都是已知了类别的,这就是有监督学习的特征之一。
分类学习也可以说机器学习的第一步是先收集数据,巧妇难为无米之炊,数据就是我们的米,没有米,怎么烹饪出一锅好饭。
先从互联网上收集我们需要的数据:
# 导入pandas与numpy工具包。 import pandas as pd import numpy as np # 创建特征列表。 column_names = ['Sample code number', 'Clump Thickness', 'Uniformity of Cell Size', 'Uniformity of Cell Shape', 'Marginal Adhesion', 'Single Epithelial Cell Size', 'Bare Nuclei', 'Bland Chromatin', 'Normal Nucleoli', 'Mitoses', 'Class'] # 使用pandas.read_csv函数从互联网读取指定数据。 data = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data', names = column_names )
接下来就是数据清洗,一锅好饭肯定不单单是要有米,是要有好米,如果给你一袋满是沙粒的米,这怎么做饭,所以我们需要清洗,将其中的杂质去除。
# 将?替换为标准缺失值表示。 data = data.replace(to_replace='?', value=np.nan) # 丢弃带有缺失值的数据(只要有一个维度有缺失)。 data = data.dropna(how='any') # 输出data的数据量和维度。 print(data.shape)
相关文章推荐
- 机器学习之分类学习(数据收集及清洗)
- 玩转数据系列:利用阿里云机器学习在深度学习框架下实现智能图片分类
- 【机器学习实验】学习Python来分类现实世界的数据
- 大数据,人工智能,深度学习,机器学习课程收集
- 【机器学习实验】学习Python来分类现实世界的数据
- 【机器学习实验】学习Python来分类现实世界的数据
- [置顶] 2017IT十八掌徐培成大数据全套教程 人工智能 机器学习 深入学习 AI 云计算
- 【AI速查表】神经网络、机器学习、深度学习与数据科学一览
- [转]机器学习科普文章:“一文读懂机器学习,大数据/自然语言处理/算法全有了”
- 美团机器学习中的数据清洗与特征挖掘实践
- 机器学习 & 数据挖掘 —— 资料收集
- 机器学习中的数据清洗与特征处理综述
- 小白学习Machine Learning in Action-机器学习实战------分类之k近邻算法
- Delphi 2010学习笔记(7)---数据类型(分类框图)---2011-01-18
- 文本分类,数据挖掘和机器学习
- 机器学习、深度学习、数据挖掘——问题集锦
- 机器学习相关内容介绍,包括有监督、无监督学习,线性回归分类问题等
- AI学习过程(5) 在大数据上进行机器学习
- 大数据学习笔记之四十七 推荐算法的分类
- 数据挖掘、机器学习、深度学习、推荐算法的联系与差别总结