数据准备可以成就或破坏模型的预测能力。在他们合著的《应用预测建模》一书的第 3 章中，Kuhn 和 Johnson 介绍了数据准备的过程。他们将其称为训练集数据的添加、删除或转换。在这篇文章中，您将发现数据预处理的步骤 […]
归档 | 数据准备
使用 Scikit-Learn 在 Python 中重新缩放机器学习数据
在构建模型之前，必须先准备好数据。数据准备过程可能涉及三个步骤：数据选择、数据预处理和数据转换。在这篇文章中，您将发现两种简单的S数据转换方法，您可以使用 scikit-learn 在 Python 中将它们应用于您的数据。让我们开始吧。更新：请参阅这篇文章了解更多信息 […]
数据清洗：将杂乱数据变为整洁数据
数据准备很困难，因为这个过程不是客观的，或者至少感觉不是这样。“描述问题的最佳数据形式是什么？”之类的问题不是客观的。您必须从要解决的问题的角度思考，并尝试几种不同的 […]
如何在数据中识别异常值
Bojan Miletic 提出了一个关于在使用机器学习算法时识别数据集中异常值的问题。这篇文章是对此问题的回答。如果您对机器学习有疑问，请订阅时事通讯并回复电子邮件或使用联系表格提问，我将回答您的问题，并且可能会 […]
如何为机器学习准备数据
机器学习算法从数据中学习。至关重要的是，您要为要解决的问题提供正确的数据。即使您有好的数据，也需要确保其具有有用的比例、格式，甚至包含有意义的特征。在这篇文章中，您将学习 […]