如何在sklearn中处理非int类型的数据
在sklearn中处理非int类型的数据，通常需要进行数据预处理和特征工程的步骤。以下是一些常见的处理方法：
- 缺失值处理：
- 对于分类特征，可以将缺失值视为一个独立的类别，使用sklearn的SimpleImputer类中的most_frequent策略进行填充。
- 对于数值特征，可以使用sklearn的SimpleImputer类中的mean、median或constant策略进行填充。
- 类别特征编码：
- 对于有序的类别特征，可以使用sklearn的OrdinalEncoder类进行编码。
- 对于无序的类别特征，可以使用sklearn的OneHotEncoder类进行独热编码。
- 文本特征处理：
- 对于文本特征，可以使用sklearn的CountVectorizer或TfidfVectorizer类进行向量化处理。
- 可以使用sklearn的FeatureHasher类将文本特征哈希为固定长度的特征向量。
- 标准化和归一化：
- 对于数值型特征，可以使用sklearn的StandardScaler类进行标准化处理。
- 对于有边界的特征，可以使用sklearn的MinMaxScaler类进行归一化处理。
- 特征选择：
- 可以使用sklearn的SelectKBest类结合卡方检验或互信息法进行特征选择。
- 可以使用sklearn的RFE（递归特征消除）或SelectFromModel类结合模型训练进行特征选择。
- 数据降维：
- 可以使用sklearn的PCA、LDA或t-SNE等降维方法对高维数据进行降维处理。
- 处理时间序列数据：
- 可以使用sklearn的StandardScaler对数值型时间序列数据进行标准化处理。
- 可以使用sklearn的KBinsDiscretizer将时间序列数据分箱处理。
在处理非int类型的数据时，可以根据数据的特点和具体任务选择合适的预处理和特征工程方法。这些方法可以通过sklearn的各种预处理器和转换器来实现。相关的sklearn文档和示例代码可以在腾讯云的机器学习平台上找到。
参考链接：
相关·内容
1回答
我正在尝试创建一个函数，使获取CSV文件的过程自动化，在特征和响应中对数据进行分割，对数据应用不同的模型(回归)，并根据诸如MAE、RSME等指标对它们进行评分。模型参数应该易于互换。这是我到目前为止所拥有的一点。
import numpy as np
import pandas as pd
def get_data(file_name):
data = pd.read_csv(file_name)
para = int(raw_input('Enter the no of parameters to be used '))
print(para)
param= []
浏览 0提问于2018-06-05得票数 0
回答已采纳
我试着用scikit学习logistic回归对多类数据进行分类。我用一个热编码器对类进行编码。但是，当我尝试相同的，我得到了糟糕的输入形状错误。在sklearn回归中是否可以使用一个热编码值？
from sklearn.preprocessing import OneHotEncoder
import numpy as np
from sklearn.linear_model import LogisticRegression
from sklearn.feature_extraction.text import CountVectorizer
onehot_encoder = OneHotE
浏览 3提问于2019-04-26得票数 0
回答已采纳
1回答
我试图建立一个大的数据平台，在Hadoop中接收和存储大量的异构数据，如文档、视频、图像、传感器数据等，然后实现分类过程。那么，由于我目前使用的是VMware VSphere EXSi Hadoop，什么样的体系结构可以帮助我
Habse XAMPP所有这些都很好，但是我不知道如何接收大量数据和如何存储数据，因为我发现Hbase是一个面向列的数据库，而不是数据仓库。
浏览 1提问于2015-10-05得票数 0
回答已采纳
我不确定如何摆脱这个错误。下面是我的示例数据集。我是不是还漏掉了什么步骤？
Code below:
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
models = RandomForestClassifier(n_estimators=100)
np.random.seed(42)
X = re_arrange.drop('Gender',axis=1)
y = re_arrange['
浏览 0提问于2020-05-26得票数 1
我的数字范围是从0到3.4е+23。这个库中的"maximum“数据格式是'int64‘(即Хе+18)。
请帮帮我。我怎么能“读取”这些数据，因为我想用Sklearn来训练它们。另外，我不能对数据应用StandartScaler/Normalizer，因为数字太大了！
我按如下方式更改数据类型：
df['df'] = df['df'].astype('int64')
你知道一些改变数据类型的方法吗？或者你知道如何为整个DataFrame做点什么？
浏览 0提问于2021-12-01得票数 3
1回答
在滑雪板中是否支持直接使用熊猫的分类数据类型来拟合模型？据我所见，sklearn不支持这种数据类型，这是不幸的，因为分类数据类型既编码分类数据，又包含数据的映射方案。此外，分类编码纯粹是一个数据处理/处理问题，因此由Pandas来处理似乎更自然。
Note
我意识到在Pandas和sklearn中有几种编码分类变量的方法--这不是我要问的。
浏览 3提问于2015-06-15得票数 16
回答已采纳
我有个问题：
#include <iostream>
int main() {
unsigned char little_number_from_0_to_255 = 0;
std::cout << "How old are you (for example)? _";
std::cin >> little_number_from_0_to_255;
std::cout << "You are " << little_number_from_0_to_255 <&l
浏览 4提问于2022-02-13得票数 3
1回答
数据集：
因此，我试图将机器学习应用于数据集中的统计数据，但是每次我尝试编码/预处理数据时，我都会接收到：
TypeError: Index does not support mutable operations
难道预处理的意义不在于改变值吗？&这难道不是应用机器学习的必要前提吗？不知道怎么编码/预处理.如有任何建议，敬请见谅。谢谢！
代码：
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
import datetime as dt
from s
浏览 7提问于2022-01-06得票数 1
回答已采纳
8回答
有几篇关于如何将分类数据编码到Sklearn决策树的文章，但是从Sklearn文档中，我们得到了以下内容
决策树的一些优点是：
(...)
能够处理数字和分类数据。其他技术通常专门用于分析只有一种类型变量的数据集。有关更多信息，请参见算法。
但是运行以下脚本
import pandas as pd
from sklearn.tree import DecisionTreeClassifier
data = pd.DataFrame()
data['A'] = ['a','a','b','a']
data
浏览 10提问于2016-06-29得票数 102
回答已采纳
我有一个数据集df_train和它的一些标签df_train_labels。
print(df_train.shape)
print(df_train_labels.shape)
输出：
(1460, 6)
(1460,)
和
print(df_train[0:4])
print(df_train_labels[0:4])
输出
OverallQual GrLivArea GarageCars TotalBsmtSF FullBath YearBuilt
0 1 0.000000 1 1 1
浏览 7提问于2017-12-22得票数 0
2回答
当基于gini杂质(sklearn提供的MDI)或通过相关图计算随机森林中的特征重要性时，很少有有效数据较少的特性不能显示它的真正重要性，比方说我们有回报，因此在销售中有非常少的回报值。那么，我们如何处理这种情况呢？
浏览 0提问于2022-10-27得票数 0
2回答
我在做科学知识的交叉验证。在这里，脚本：
import pandas as pd
import numpy as np
from time import time
from sklearn.model_selection import train_test_split
from sklearn import svm
from sklearn import metrics
from sklearn.metrics import classification_report, accuracy_score, make_scorer
from sklearn.model_selection._vali
浏览 3提问于2020-04-23得票数 1
回答已采纳
1回答
我有一个混合了int、float、categorical和bool数据类型的DataFrame，我正在尝试使用LabelEncoder.fit_transform将categorical和bool数据类型转换为int。当在单个列上执行时，它工作得很好，但是当我尝试在DF中执行for循环时，我得到了以下错误：
relabel = preprocessing.LabelEncoder()
for i in first_buyer.columns:
if str(first_buyer[i].dtypes) not in ["float64","int64",
浏览 2提问于2019-11-07得票数 0
2回答
数据集中的一些数据是字符串格式的，我应该将它们全部映射到数字形式。我希望将dataset中某些列中的字符串数据转换为int，以便在knn方法中可用。我写了这段代码，但它有这个错误。我怎么才能修复它？谢谢你的考虑。 下面是数据集：http://gitlab.rahnemacollege.com/rahnemacollege/tuning-registration-JusticeInWork/raw/master/dataset.csv 此错误出现在这部分代码中： def string_to_int(s):
ord3 = lambda x : '%.3d'
浏览 35提问于2021-04-13得票数 0
回答已采纳
2回答
我有一个像图像显示的数据。大约有25,000排。这些数据包含了过去4年大约12个月的细节。我想预测客户和职位空缺为特定月份和特定职位。
from sklearn.cross_validation import train_test_split
from sklearn import preprocessing
le = preprocessing.LabelEncoder()
df_final['Clientname_numeric'] = le.fit_transform(df_final['ClientName'])
X = df_final[[&
浏览 5提问于2017-12-19得票数 1
回答已采纳
我想用logistic回归来预测和绘制一个数据集，并得到它的斜率系数。但是，当我运行代码时(请参阅下面)，错误“ValueError:未知标签类型：‘连续’”。发生。
我在类似的问题中看到y值应该是'int‘类型，但我不想转换它，因为y数在1.66到0.44之间.
这类情况有解决办法吗?还是我应该尝试另一个回归模型？
提前谢谢
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import PolynomialFeatures
impor
浏览 0提问于2018-06-26得票数 0
回答已采纳
我想让我网站上的用户关注我网站上的其他用户和话题，但我不确定如何将它们结合起来。想想quora是如何让你关注用户、话题、问题、编辑等的。
为了跟踪用户，我会让它变得非常简单：
user_id: int
followers_id: int
但这只对用户有好处，所以我考虑了一下如何：
user_id: int
date: Date
following: int(could be topic_id or user_id)
following_type: text(topic or user)
我有点不确定这是否是最好的方法，因为我必须解析类型来查询主题或用户表(但好处是因为所有数据都在一个表中，所以
浏览 0提问于2012-07-24得票数 0
回答已采纳
1回答
运行时的C++变量类型
、、、
我试图存储从文件中读取的一些数据。数据是一个数组，可以是几种类型之一；短、浮点等。我试图将这些数据抽象到一个类中，因此我立即想到：
class BaseData {
public:
void *data;
virtual void foo() = 0;
};
template <typename T>
class Data : public BaseData {
public:
T *data;
Data(const File *file) {
data = (T*) file->data;
}
T ope
浏览 3提问于2013-07-12得票数 1
我有两个CSV文件(和)。因为在少数列中有可见的NaN值(status、hedge_value、indicator_code、portfolio_id、desk_id、office_id)。
首先，我将NaN值替换为对应于该列的一些巨大值。然后，我正在做LabelEncoding来删除文本数据并将它们转换成数字数据。现在，当我尝试对分类数据执行OneHotEncoding时，我得到了错误。我试着将输入一个一个地输入到OneHotEncoding构造函数中，但是对于每一列我都得到了相同的错误。
基本上，我的最终目标是预测返回值，但由于这一点，我陷入了数据预处理部分。我该如何解决这个问题？
我使用
浏览 19提问于2017-12-12得票数 4
回答已采纳
由于FLOAT64占用更多内存，这是标记矩阵的默认数据类型，因此我希望它在INT8中，从而节省空间。
这就是我说的方法，
texts_to_matrix(texts):
Return: numpy array of shape (len(texts), num_words).
Arguments:
texts: list of texts to vectorize.
mode: one of "binary", "count", "tfidf", "freq" (default: "binary"
浏览 1提问于2018-03-13得票数 2
回答已采纳
我目前正致力于减少数据的内存使用量(Pandas DataFrame)。这很好:将浮点数降为较小的浮点数，将整数转换为较小的浮点数，并将字符串对象转换为类别，然后在读取数据时直接使用这些新定义的类型。我甚至有兴趣更进一步(通常将一些浮点数舍入int中)。
然而，我怀疑它可能不会对我的学习管道的其余部分产生太大的影响(预处理我的数据类型更具体而言：
我在文档中找不到任何东西，但是似乎有大量关于GitHub的讨论，转换器可以处理float32。这可能限制降低我的浮点数的有用性，但对于某些转换(最小/最大标量，对数转换)也可能“向上”我的ints到浮子。
类别的处理似乎像预处理步骤中的对象一样。这些
浏览 0提问于2020-10-17得票数 1
1回答
sklearn包含不同特征选择方法的实现(filter/wrapper/embedded)。 所有这些方法都是为静态系统设计的。 sklearn是否支持动态数据上的特征选择？(随时间变化的数据) 在动态数据中，我们需要提高特征选择的效率，才能更有效。 我在IEEE (用于特征选择的增量方法)上发现了一些方法，那么在sklearn或其他开源库中有实现吗？
浏览 18提问于2020-04-27得票数 0
是否有一种将decisionTreeClassifier中的SKLearn与稀疏元组相匹配的方法？我所拥有的数据是基于大约100个特性，但其中只有少数是用来做决定的。实际上，每一行数据都是稀疏元组。
我的输入数据是30k项，如下所示：
(yes if f1=v1 and f3=v2)
(no if f1=v3 and f5=v4)
...
诸若此类。
有数以万计的条目，结论不一定一致。我的目标是找到一种自动化的方法，将其减少到数十个近似于相同行为的节点。我需要访问生成的结构--这就是我考虑使用SKLearn而不是DataRobot的原因。
我对SKLearn decisionTreeCla
浏览 0提问于2022-01-12得票数 0
1回答
如何在中使用RFE？
、、、、
我目前使用的是xgb.train(...)，它返回一个助推器，但我想使用RFE来选择最佳的100个特性。返回的助推器不能在RFE中使用，因为它不是sklearn估计器。XGBClassifier是xgboost库中的sklearn api，然而，我无法获得与xgb.train(...)方法相同的结果(roc-auc方法差10%)。我已经尝试过sklearn的助推器，但他们也不能得到类似的结果。我还尝试将xgb.train(...)方法包装在一个类中，以添加sklearn估计器方法，但要更改的方法太多了。有没有什么方法可以把xgb.train(...)和sklearn的RFE一起使用呢？
浏览 2提问于2021-02-22得票数 7
我有一个包含3m+ (有序)行和100列的数据集，我可以使用Pandas将其加载到我的笔记本中。我想追加大约900列，这些列是使用100个现有的列计算得出的。最终目标是训练几个机器学习模型(NN，随机森林)。
当我尝试使用Pandas添加列时，由于RAM不足(我有25 to )，我的机器崩溃了。因此，我尝试使用Dask，它允许我毫无问题地计算900列。然而，Dask数据帧不能用作随机森林(Sklearn)和Keras模型的输入，所以我猜在某些时候您必须将其转换回pandas数据帧。
在这一点上我被卡住了。速度是相当重要的，因为我需要经常改装模型。有没有人有好的建议？
浏览 18提问于2021-05-22得票数 1
1回答
我在包含多个150k文档的数据集上使用k-means，但是我不知道什么是好的k值。我试着用肘部的方法找到它，但是惯性值变化不大。(我使用sklearn)。
下面是
浏览 0提问于2019-04-08得票数 0
2回答
我们有一个功能，允许用户通过UI界面拖放一个模块，形成一个数据处理管道，如读取数据、进行预处理、进行分类训练等。拖放后，这些模块将按顺序执行。
每个模块将启动一个容器(通过k8s)运行，前一个模块处理的结果以文件的形式保存到cephfs中，下一个模块读取该文件，然后执行操作。这个序列化/反序列化过程很慢。我们计划使用RAPIDS来加速这个管道:通过将数据放在GPU MEM中来改善模块间的数据交换。使用cuDF/cuML而不是Pandas/SKLearn来获得更快的处理速度。
目前我们已经确认可以将这些模块从Pandas/SKLearn移植到cuDF/cuML中，但是由于每个模块都运行在一个容器
浏览 2提问于2019-04-03得票数 4
我试图在Python中实现朴素的Bayes分类器。我的属性有不同的数据类型:字符串、Int、浮点数、布尔值、序号。
我可以使用高斯朴素贝叶斯分类器(Sklearn.naivebayes : package)，但我不知道如何处理不同的数据类型。分类器引发错误，声明不能处理除Int或float以外的其他数据类型。
我可能想到的一种方法是将字符串编码成数字值。但我也怀疑，如果我这样做，分类器会有多好。
浏览 4提问于2015-06-19得票数 1
回答已采纳
3回答
我试着按照代码运行。顺便说一句，我对蟒蛇和滑雪都很陌生。
import pandas as pd
import numpy as np
from sklearn.linear_model import LogisticRegression
# data import and preparation
trainData = pd.read_csv('train.csv')
train = trainData.values
testData = pd.read_csv('test.csv')
test = testData.values
X = np.c_[tr
浏览 3提问于2017-07-27得票数 80
回答已采纳
我希望有一个2D数组，其中第一个元素只是一个int，第二个元素是一个空数组，类似于：[[0，[]，[0，[]，…，[0，[]。这可以通过Python轻松地完成：
array = [[0, []] for i in range(n)]
我将在数组中的每个空数组中放置int数据。
以下是我的尝试：
struct node
{
int value;
Node* next;
};
struct foo
{
int n;
node innerArray;
};
浏览 2提问于2021-05-01得票数 0
回答已采纳
2回答
我有一个像这样的数据文件：
_id Points Averages Averages_2 Media Rank
a 324 858.2 NaN 0 Good
b 343 873.2 4.465e+06 1 Good
c 934 113.4 NaN
浏览 3提问于2021-10-05得票数 0
回答已采纳
我已经编写了一个简单的函数，其中我使用来自scikit-learn的来计算平均精度。
我的代码：
def compute_average_precision(predictions, gold):
gold_predictions = np.zeros(predictions.size, dtype=np.int)
for idx in range(gold):
gold_predictions[idx] = 1
return average_precision_score(predictions, gold_predictions)
当函数被执行时，它
浏览 0提问于2017-06-10得票数 19
回答已采纳
我正在写一个非常简单的脚本。我所要做的就是使用panda读取数据，然后对数据进行决策树训练。我使用的数据是：
https://archive.ics.uci.edu/ml/machine-learning-databases/car/car.data
下面是我的脚本
import numpy as np
from sklearn.cross_validation import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score
fr
浏览 0提问于2017-09-30得票数 4
回答已采纳
1回答
我是机器学习的新手，我正在独立构建我的第一个模型。我有一个评估汽车的数据集，它包含了价格、安全性和豪华的特征，并对其是否好、非常好、可接受和不可接受进行了分类。我将所有非数字列转换为数字列，训练数据并使用测试集进行预测。然而，我的预测很糟糕；我使用了LinearRegression和r2_score输出0.05，实际上是0。我尝试了几种不同的模型，所有模型都给出了糟糕的预测和准确性。 我做错了什么？我看过教程，读过类似方法的文章，但他们最终的准确率为0.92，而我的准确率为0.05。如何为您的数据创建一个好的模型，以及如何知道要使用哪个模型？ 代码： import numpy as np
i
浏览 9提问于2019-03-13得票数 0
回答已采纳
1回答
尝试以figure_1中所示的格式对MultinomialNB数据的数据集执行train_test_split：
其中duration_label是目标，其他所有内容都是功能
因为有些特性是字符串，所以我需要使用CountVector将它们转换为浮点数，以便MultinomialNB正常工作
这就是我遇到这个问题的地方。
X = df_train.iloc[:,0:5]
y = df_train.duration_label
vectorizer = CountVectorizer(stop_words = 'english')
vectorizer.fit(X)
X =
浏览 1提问于2021-05-18得票数 0
首先，让我通过一些可运行的代码来帮助您解决我想要解决的问题：
(如果要运行此示例代码，则需要包含maven依赖项)
<dependency>
<groupId>com.fasterxml.jackson.module</groupId>
<artifactId>jackson-module-kotlin</artifactId>
<version>2.9.4.1</version>
</dependency>
只需创建一个Kotlin文件，并通过以下运行代码：
import
浏览 0提问于2018-06-01得票数 2
1回答
在高频交易应用程序中，我需要从udp组播套接字接收数据。唯一的要求是延迟--这是非常重要的，以至于我可以“花费”一个CPU核心。旋转或者其他什么都可以。这是我目前在Windows中拥有的内容：
void Receiver::ThreadMethod() {
//UINT32 seq;
sockaddr_in Sender;
int SenderAddrSize = sizeof(Sender);
while (stayConnected) {
int res=recvfrom(socketId,buf,sizeof(char) * RECEIV
浏览 5提问于2014-09-18得票数 0
我在玩TimeSpan类的游戏，我开始想知道为什么timespan类的属性都是int32s？
我理解为什么构造函数在创建timespan时使用int32，但是如果查看MSDN文档，它会声明：
“当前TimeSpan结构的小时组件。返回值从-23到23。”
这个财产看起来是这样的
公共int小时{ get；}
我第一个本能的想法是，它正在与TimeSpan.TotalHours共享某种数据，但这是一个双倍。
这是一个int32而不是我完全忽略的int8的原因吗？还是我忽略了结构中的一些隐藏特性？
浏览 5提问于2012-03-23得票数 1
回答已采纳
1回答
背景：
我已经创建了一个基本的建模流程，在sklearn中，利用sklearn的管道对象。在流水线中有一些预处理步骤，管道的最后一步是拟合一个执行自动特征选择的估计器，例如lasso回归。因此，我从n个特性开始我的工作流，但最终只有m(其中m< n)将被用来对最终模型进行预测。下面是一个简单的例子：
from sklearn.datasets import load_breast_cancer
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklear
浏览 0提问于2021-02-03得票数 0
2回答
我们有一个机器学习分类器模型，我们已经训练了一个熊猫数据和一个标准的学习管道(StandardScaler，RandomForestClassifier，GridSearchCV等)。我们正在研究Databricks，并希望使用并行计算火花提供的方法将这个管道扩展到一个大型数据集。
将我们的sklearn管道转换为并行计算的最快方法是什么？(我们可以很容易地在熊猫之间切换，并根据需要启动DFs。)
就背景而言，我们的选择似乎是：
使用MLLib (耗时)重写管道
使用滑雪板-火花桥接库
在选项2上，Sklearn似乎是，但是Databricks代替了，我们使用joblibspa
浏览 3提问于2020-09-01得票数 6
回答已采纳
我有一个数据框架，其中包含这样的数据：
ID category
ID2 category
Sex category
Cysts category
Death category
Years int64
Group category
数据的一个例子：
0 11090 1 0 0 0 46 1
1 10336 5 0 0 1 60 2
2 8117 8 1 0 1 39 1
3 10262 9 0 0 1 37 5
4 11084 10 0 0 1 4
浏览 7提问于2022-03-25得票数 0
回答已采纳
1回答
我有兴趣通过使用SKLEARN对任何数据库执行机器学习，我感兴趣的是将数量与所有现有数据进行匹配。
当然，大多数数据都不是纯的，数字和字母混合在一起，而且大部分数据都是绝对的。
我想知道为什么这不起作用，以及如何使用它来将数量和/或客户与其他数据相匹配。
我很喜欢推荐
重要的是要注意--大多数条目不是数字，它们应该指示序列号、身份证、类别号、部件号等。
from sklearn.model_selection import KFold
from sklearn.model_selection import cross_val_score
from sklearn.metrics import
浏览 1提问于2022-02-28得票数 -2
我正在尝试修改Sklearn示例以使用我自己的数据集，它是一个1000行、4列的整数矩阵。我不知道如何用我的数据集替换SKlearn数据集。例如，我要替换什么
noisy_circles = datasets.make_circles(n_samples=n_samples, factor=.5,
noise=.05)
用什么？
浏览 2提问于2014-11-15得票数 1
1回答
在创建我的第一个果园模块时，我遇到了将表单数据保存回数据库的问题。据我所知，从大量的样本来看，我所有的东西都是正确的，所以我一定是遗漏了一些小的东西。
我可以在新菜单下显示公寓表格，验证是有效的，但是当我完全填写表格并点击保存时，我得到：
你的公寓已经建好了。
检查数据库--记录不在表中--检查日志显示：
2013年-12-19 09:15:23,416 19 NHibernate.Transaction.ITransactionFactory - DTC事务预阶段失败NHibernate.Exceptions.GenericADOException:无法执行批处理command.S
浏览 2提问于2013-12-19得票数 3
回答已采纳
我正在处理一个数据，为了准备输出，我通过下面的代码使用SVR：
from sklearn.svm import SVR
regressor = SVR(kernel = 'linear')
regressor.fit(trainX,trainY)
from sklearn.metrics import r2_score
pred = regressor.predict(testX)
print(pred)
答案是：0.58439621 0.58439621 0.58439621。0.81262134 0.81262134 0.81262134。我试着把比例反到实际值。
我在S
浏览 0提问于2021-02-17得票数 0
回答已采纳
我习惯于以以下方式运行sklearn的标准scaler：
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler().fit(X_train)
scaled_X_train = scaler.transform(X_train)
其中X_train是一个数组，包含我训练数据集中的特性。
然后，我可以使用相同的定标器来缩放测试数据集X_test中的特性。
scaled_X_test = scaler.transform(X_test)
我知道我也可以在模型中“烘焙”定标器，使用sklearn的make_pi
浏览 3提问于2022-06-14得票数 1
回答已采纳
2回答
我有这样的数据集：
e = pd.DataFrame({
'col1': ['A', 'A', 'B', 'W', 'F', 'C'],
'col2': [2, 1, 9, 8, 7, 4],
'col3': [0, 1, 9, 4, 2, 3],
'col4': ['a', 'B', 'c', 'D', 'e', '
浏览 3提问于2020-10-02得票数 3
回答已采纳
我正在尝试使用sklearn的TfidfVectorizer在数据集上执行TF-IDF转换。
我收到以下错误：
---------------------------------------------------------------------------
AttributeError Traceback (most recent call last)
<ipython-input-212-ded21402d527> in <module>
----> 1 noise_tf = tfidf.fit(noi
浏览 8提问于2019-10-24得票数 0
1回答
我在sklearn库的MNIST数据集上进行了数据增强。现在我想将增强的数据集保存到文件中，因为它的计算相当长。
我想以类似于原始sklearn.utils.Bunch或字典的MNIST格式保存它，以便保存用于检索数据的通用表单X, y = mnist['data'], mnist['target'];，
我怎么能这么做？
import matplotlib;
import matplotlib.pyplot as plt;
from sklearn.datasets import fetch_openml;
mnist = fetch_openml("
浏览 2提问于2019-12-05得票数 0
我正在使用web发送一个FSharp记录的列表，这些记录将放在一个剑道网格中
[<DataContract>]
type MyClass = {
[<field: DataMember(Name="Foo")>]
Foo: int
[<field: DataMember(Name="Bar")>]
Bar: DateTime option
}
$.getJSON(myUrl).done(function(data) {
console.log(data);
ds.data(data);
浏览 3提问于2014-12-18得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
