我正在尝试使用SK学习库和编码字符串，以便我可以运行回归分析和预测获胜者，但它给我一个错误，其中toss_winner编码(见附件的图像，其中toss winner编码为12，其中竞争团队编码为6和11Output Code) 我正在使用一个公共IPL数据集和一个数据科学的新手，因此需要您的帮助并感谢简单的答案来解释：) 使用的代码： from sklearn import preprocessing
浏览 17提问于2020-04-09得票数 0
1回答
错误，即使是错误
、、
我们已经提出了一个类似的问题，但答案并没有帮助我解决问题：import pandas as pdfrom sklearn
浏览 0提问于2021-06-11得票数 1
回答已采纳
1回答
实际上，null值通常需要一个数据集来进行填充，以及规范化/离群点过程。如果我使用最新的数据，我会有偏见吗？在处理“大”数据时，使用整个数据集是不实际的，也可能是不可行的。
你是否碰巧知道在这个主题上是否有一些最佳实践，或者你能给我介绍处理这些问题的主题/关键词吗？
浏览 0提问于2020-02-03得票数 1
回答已采纳
1回答
在所有的预处理之后，我可以训练我的模型，并使用sklearn序列化模型。
现在我面临一个问题，如果输入预测向量由标签组成，我该如何在这一点上对其进行编码。因为我不想在每次有新的输入预测向量时对模型进行预处理和重新训练。有没有办法在sklearn中序列化labelencoder？解决这个问题的正确方法是什么？
浏览 2提问于2017-03-06得票数 0
我目前正在使用Scikit-Learn的LogisticRegression来构建一个模型。我用过scaler=preprocessing.StandardScaler().fit(build)
build_scaled =一切都很好，并产生了一个不错的模型，但我的理解是，LogisticRegression.coeff_生成的系数是基于缩放变量的。对那些可以用来调整这些系数的系数进行转换以产生可应用于非缩放数据的系数
浏览 1提问于2015-06-24得票数 5
回答已采纳
我对机器学习的Python中的数据预处理是个新手。我正在尝试对一些数据进行预处理。数据由许多分类变量组成，其中包含一些空条目和NaN条目。我正在使用ffil方法填充空格或NaN空格，然后使用sklearn LabelEncoder进行标签编码，然后进行one-hot编码。我有两个不同的代码段。第一种方法比较简单，进行标签编码不会产生</e
浏览 0提问于2017-12-20得票数 0
1回答
>>> import sklearn0.19.1
>>> from sklearn.multiclass import OneVsRestClassifier现在使用一种热编码：>>>
浏览 0提问于2018-03-21得票数 5
回答已采纳
我正在构建一个使用定制变压器()的模型。当我运行下面的代码时，由于.fit，我得到了一个错误： round(training.score(X, y) * 100, 2)我也尝试过使用.fit_transform，但是我得到了同样的错误
浏览 5提问于2021-05-17得票数 0
回答已采纳
2回答
我通常做预处理之前，拟合估计使用Scikit-学习。我最近的项目使用的数据比我过去使用的要多得多，虽然我知道我可以使用.fit_generator()或.partial_fit()对Keras进行在线学习，但我对如何在这种情况下执行分类编码步骤感到有些困惑我还没有试过，但可能一次加载一个分类特性并对该数据进行编码，然后从内存中删除它并加载下一个功能来训练另一个编码
浏览 0提问于2020-01-06得票数 3
回答已采纳
3回答
我在一个机器学习项目中使用LabelEncoder和来自sklearn的OneHotEncoder来对数据集中的标签(国家名称)进行编码。一切都很好，我的模型运行得很完美。该项目是根据一些特征(数据)，包括客户的国家，对银行客户是否会继续或离开银行进行分类。
当我想预测(分类)一个新客户(只有一个)时，我的问题就出现了。新客户的数据仍未进行预处理(即未编码国家名称)。new_customer = np.array([
浏览 1提问于2018-02-22得票数 3
回答已采纳
1回答
我正在阅读关于在ml模型上使用泡菜的各种教程和文章，以便以后可以使用。但我不能得到一些泡菜或类似的数据预处理。我正在做预处理：
从sklearn.preprocessing导入StandardScaler
sc = StandardScaler() X_train = sc.fit_transform(X_train) X_test =
浏览 4提问于2018-06-30得票数 0
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。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。类别的处理似乎像预处理步骤中的对象一样。这些特征主要是通过分类编码。因此，只要标签处理
浏览 0提问于2020-10-17得票数 1
1回答
我试着一个接一个地使用几种信息检索技术。对于每一个文本，我都希望以完全相同的方式对文本进行预处理。我的预处理文本是作为一个列表的文字。不幸的是，scikit-学TfidfVectorizer似乎只接受字符串列表。目前，我是这样做的(当然这是非常低效的)：
train_data = [["theTfidfVectorizer直接对这种
浏览 4提问于2015-07-10得票数 1
回答已采纳
1回答
我正在使用scaler = preprocessing.StandardScaler().fit(X)对我的特性值进行预处理。但是，在运行它时，会出现一个错误，即：我可以成功地从sklearn导入预处理，并使用它的“缩放”方法：
X_scaled = preprocessing.s
浏览 3提问于2013-11-12得票数 1
回答已采纳
我当时正在谷歌学院学习MPL回归器，并运行了源代码：import numpy as npfrom sklearn.preprocessing import StandardScaler
data我从fit(data)改为fit_transform(data)，但同样的错误仍然坚持。但是出现了不同的错误：ValueErro
浏览 2提问于2021-02-13得票数 2
回答已采纳
我对机器学习相当陌生，我正在使用以下代码对分类数据进行编码以进行预处理：fromsklearn.compose import ColumnTransformer
值错误:
浏览 2提问于2019-09-24得票数 0
我对数据科学和ML相当陌生。我有一个项目的数据通过一个发布过程。我收集了各种变量的数据，如“产品类别”、“产品线”、“设计国”、“一天中的开始时间”，还有“总时间”的数据，即项目在整个过程中所花费的时间。总共有18个不同的输入变量，每个变量要么是一个分类变量，要么是一个离散的数字，比如“一天中的开始时间”。 A A1 A11 ... 43.2
B
浏览 0提问于2019-02-07得票数 2
概述:我是新来的ML和学习雪橇预处理。我认为，当我们对测试数据进行sklearn预处理转换时，均值不会是0，std也不会是1(原因是我们使用训练数据平均值/std来标准化测试数据)。我的问题是:如果测试数据是这样标准化的(不正确地标准化为高斯正态分布，平均为0和std 1)，那么这会对ML算法的预测产生影响吗？
浏览 3提问于2020-02-20得票数 1
回答已采纳
1回答
我有一个数据集，其中包含编码为数值的分类变量、其他连续且有许多异常值的变量，以及具有相当正态分布的其他连续变量。我正计划使用sklearn预处理方法.PowerTransformer来对所有这些列进行转换，但也许只对那些没有正态分布的列和许多异常值使用它可能更有意义？
浏览 0提问于2021-02-21得票数 1
回答已采纳
1回答
我正在尝试通过对sklearn库中的一些分类数据进行热编码来预处理一些数据。但这引发了这个特殊的错误： ValueError: The truth value of an array with more than one element is ambiguous.我真的很好奇为什么会出现这个错误，我已经查过了，但我不明白它在这个上下文中做了什么。如果我需要提供更多信息，请告诉我。为了说明一下数据集:我有十列，我只想对国家的分类值进行热
浏览 9提问于2020-03-19得票数 0
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
云直播活动推荐
腾讯云开发者
