Python数据攻略-Pandas与机器学习数据准备

在机器学习项目中,大部分时间都花在了数据准备上。你可能听说过“数据是机器学习的燃料”的说法,这是因为高质量的数据是构建出色模型的关键。

在这篇文章中将使用Pandas库来进行数据准备。为了让内容更贴近实际将使用《三国志》游戏中的角色数据作为样本。

文章目录

  • 数据编码与标准化
    • One-hot编码
    • Label Encoding
  • 数值数据的标准化和归一化
    • Z-score标准化
    • Min-Max归一化
  • 特征工程基础
    • 创建多项式特征
    • 特征选择方法
  • 缺失数据处理
    • 识别缺失数据
    • 填充缺失数据
    • 删除缺失数据
  • 数据集划分
    • 训练集和测试集
    • 交叉验证
  • 实践案例:使用Pandas分析《三国志》游戏角色数据

你可能感兴趣的:(Python,数据攻略,python,pandas,机器学习)