python-深度學習2-資料預處理(na值、標準化、單熱轉換、隨機抽樣) | python 標準化に関連する最も正確な知識の概要

2 thoughts on “python-深度學習2-資料預處理(na值、標準化、單熱轉換、隨機抽樣) | python 標準化に関連する最も正確な知識の概要”

1. 

   容噗玩Data says:

   import pandas as pd
   
   import numpy as np
   
   from sklearn import datasets, preprocessing
   
   from sklearn.model_selection import train_test_split
   
   #%%
   
   iris = datasets.load_iris()
   
   x = pd.DataFrame(iris['data'], columns=iris['feature_names'])
   
   y = pd.DataFrame(iris['target'].astype(str), columns=['target_names'])
   
   df = pd.concat([x,y], axis=1)

   #%%
   
   '檢查&補值'
   
   df.isna().sum()
   
   df=df.fillna(0) #0補值
   
   df=df.fillna(method='pad') #前一筆
   
   df=df.fillna(method='bfill')#後一筆
   
   df['target_names']=df['target_names'].fillna((df['target_names'].mode())) #眾數
   
   df['sepal length (cm)']=df['sepal length (cm)'].fillna((df['sepal length (cm)'].mean())) #平均值
   
   #%%
   
   '資料轉換-標準化'
   
   min_max_scaler = preprocessing.MinMaxScaler()
   
   df = min_max_scaler.fit_transform(df)

   #%%
   
   '單熱'
   
   one_hot = pd.get_dummies(df)
   
   labels = np.array(one_hot['sepal length (cm)']) #應變數
   
   features= one_hot.drop('sepal length (cm)', axis = 1) #排除應變數
   
   feature_list = list(features.columns) #保留自變數名
   
   features = np.array(features) #轉成array

   #%%
   
   '隨機抽樣'
   
   trainX, testX, trainY, testY = train_test_split(features, labels, test_size = 0.3, random_state = 42)
   
   trainY = trainY.reshape(-1, 1) #創行
   
   testY = testY.reshape(-1, 1) #創行

   03/12/2022 at 2:03 AM

   返信
2. 

   Ic c says:

   第一章我還行，這章我開始聽不太懂，這是不是需要先修哪些課程?

   03/12/2022 at 2:03 AM

   返信