机器学习处理离散数据_机器学习一：数据预处理

机器学习一：数据预处理

最近一直在学习机器学习的知识，入门很难。之前跟着吴恩达老师的视频在学习，发现还是有很多的知识点难以理解。前不久，《机器学习A-Z》出了中文翻译，老师讲的非常浅显易懂，所以开始跟着学起来了。

为了能更系统的整理到学的知识进行一个整理，也作为一个自我监督，接下来就把较为系统的知识点都整理到博客上。相应的代码也会同步到github上。

下面所有的代码都是使用Python写的，数据预处理主要用到的是sklearn.preprocessing模块 [sklearn.apachecn.org/cn/0.19.0/m…]

目录

在机器学习一的这部分，我主要说一下数据的预处理。

1.导入标准库

• numpy：包含很多机器学习需要用到的数学方法
• matplotlib.pyplot：主要用于绘图
• pandas：导入数据集以及对数据集进行一系列的处理

import numpy as npimport matplotlib.pyplot as plt import pandas as pd复制代码

2.导入数据集

iloc数组中参数：逗号左边表示行数，逗号右边表示列数，冒号表示选择所有行或者列

# Import the datasetdataset = pd.read_csv('Data.csv')X = dataset.iloc[:,:-1].valuesy = dataset.iloc[:,3].values复制代码

3.缺失数据

一般处理数据缺失的方法包括平均数填充、中位数填充，众数填充。在Imputer类中的strategy的可选参数中可以进行选择。Imputer这个类主要用于缺失数据的处理 参数axis：

• axis = 0 取一列的平均值
• axis = 1 取一行的平均值

参数strategy： strategy : string, optional (default="mean") The imputation strategy.

• If "mean