机器学习Python实践-第三部分-数据准备
2018-02-14 20:57
260 查看
数据预处理:
根据数据本身特性,进行数据准备、数据转换,数据输出
根据数据本身特性,进行数据准备、数据转换,数据输出
#!/user/bin/python # -* - coding:UTF-8 -*- from pandas import read_csv #使用Pandas导入CSV数据 from numpy import set_printoptions from sklearn.preprocessing import MinMaxScaler #导入数据 filename = 'pima_data.csv' names = ['preg','plas','pres','skin','test', 'mass','pedi','age','class'] data = read_csv(filename,names=names) #将数据分为输入数据和输出数据 array=data.values X=array[:,0:8] Y=array[:,8] transformer=MinMaxScaler(feature_range=(0,1)) #数据转换 newX=transformer.fit_transform(X) #设置数据的打印格式 set_printoptions(precision=3) print newX
相关文章推荐
- python机器学习——十次交叉验证训练的数据准备算法
- Python机器学习----第2部分 样本数据预处理
- 笨办法学 Python · 续 第三部分:数据结构
- 大数据与机器学习-面向金融(主要是银行)实践方法与行业案例--第一部分 数据与平台篇
- Python数据分析与机器学习-聚类实践
- 第三部分:Python基本数据类型
- 下载大数据实战课程第二季基于Python机器学习、项目案例实战
- 大数据 架构师 springboot python 区块链 机器学习 视频资源
- Python与机器学习之数据可视化(三)
- 用Python开始机器学习(3:数据拟合与广义线性回归)
- Python数据整合与数据准备-BigGorilla应用
- Python 网页爬虫 & 文本处理 & 科学计算 & 机器学习 & 数据挖掘兵器谱(转)
- 机器学习--准备数据与Numpy(四)--利用数组进行数据处理
- Python基本数据统计(一)---- 便捷数据获取 & 数据准备和整理 & 数据显示
- FLEX实践—PieChart综合应用(颜色渐变、显示选中值、选中部分突出、数据钻探等)
- Python 网页爬虫 & 文本处理 & 科学计算 & 机器学习 & 数据挖掘兵器谱
- 支持度与置信度(找出所有规则)--《python数据挖掘入门与实践》
- 《 Python机器学习及实践:从零开始通往Kaggle竞赛之路》高清PDF
- IBM SOA 解决方案设计师认证考试准备,第 1 部分:SOA 最佳实践
- 关于python的机器学习与数据挖掘的相关的包