ICode9

精准搜索请尝试: 精确搜索
首页 > 其他分享> 文章详细

sklearn学习笔记---继上一篇的函数总结

2021-11-25 18:31:43  阅读:22  来源: 互联网

标签:lb transform --- famale train male 继上 sklearn


1、数据处理

(1)原始数据

y_train=['male','male','male','male','famale','famale','famale','famale','famale']

[out]:

(2)LableBinarizer()的fit_transform()方法---将数据标签二值化

from sklearn.preprocessing import LabelBinarizer

lb=LabelBinarizer()
y_train_binarizer = lb.fit_transform(y_train)

[out]

(3)reshape(-1)------转数据转化为一行以用于实现K近邻算法

clf=KNeighborsClassifier(n_neighbors=K)
clf.fit(X_train,y_train_binarizer.reshape(-1))

[out]

(4)LableBinarizer()的inverse_transform()方法---将数据标签逆转还原成标签

predicted_label=lb.inverse_transform(prediction_binarized)

(5)KNeighborsClassifier()

KNN函数方法

标签:lb,transform,---,famale,train,male,继上,sklearn
来源: https://blog.csdn.net/weixin_42566227/article/details/121543787

专注分享技术,共同学习,共同进步。侵权联系[admin#icode9.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有