《机器学习Python实践》第6章—

from pandas import read_csv
from pandas import set_option
filename='iris.data.csv'
names=['separ-length','separ-width','petal-length','petal-width','class']
dataset=read_csv(filename,names=names)
#1.简单地查看数据
peek=dataset.head(10)
print(peek)
#2.查看数据维度
print(dataset.shape)
#3.数据属性和类型
print(dataset.dtypes)

from pandas import read_csv
from pandas import set_option
filename='iris.data.csv'
names=['separ-length','separ-width','petal-length','petal-width','class']
dataset=read_csv(filename,names=names)#4.描述性统计
#可以通过DataFrame的describe()方法来查看描述性统计的内容。
#这个方法给展示了8方面的信息：数据记录数、均值、标准方差、最小值、最大值、下四分位数、
#中位数、上四分位数、最大值。
set_option('display.width',100)
#设置数据的精确度
set_option('precision',2)
print(dataset.describe())

from pandas import read_csv
from pandas import set_option
filename='iris.data.csv'
names=['separ-length','separ-width','petal-length','petal-width','class']
dataset=read_csv(filename,names=names)#5.数据分组分布（适用于分类算法）
print(dataset.groupby('class').size())

6. 数据属性的相关性

数据属性的相关性是指数据的两个属性是否互相影响，以及这两种影响是什么方式的等。
非常通用的是计算两个属性的相关性的方法是皮尔逊相关系数——度量两个变量见相关程度的方法。（皮尔逊相关系数，值介于1和-1之间。1表示完全正相关，0表示无关、-1表示完全负相关）
在机器学习中，当数据的相关性比较高时，有些算法（如Linear、逻辑回归算法等）的性能会降低。
当数据的特征的相关性比较高时，应该考虑对特征进行降维处理。
通过使用DataFrame的corr()方法来计算数据集中数据属性之间的关联关系矩阵。

from pandas import read_csv
from pandas import set_option
filename='iris.data.csv'
names=['separ-length','separ-width','petal-length','petal-width','class']
dataset=read_csv(filename,names=names)
set_option('display.width',100)
#设置数据的精确度
set_option('precision',2)
#6. 数据属性的相关性
print(dataset.corr(method='pearson'))

7. 数据的分布分析

通过分析数据的高斯分布情况来确认数据的偏离情况。
在很多机器学习算法中都会假定数据遵循高斯分布，先计算数据的高斯偏离状况，在格局偏离状况准备数据。
我们可以使用DataFrame的skew()方法来计算所有数据属性的高斯分布偏离情况。

from pandas import read_csv
from pandas import set_option
filename='iris.data.csv'
names=['separ-length','separ-width','petal-length','petal-width','class']
dataset=read_csv(filename,names=names)
set_option('display.width',100)
#设置数据的精确度
set_option('precision',2)
#7. 数据的分布分析
print(dataset.skew())

skew()函数的结果显示了数据分布是左偏还是右偏。当数据接近0时，表示数据的偏差非常小。

《机器学习Python实践》第6章——数据理解相关推荐

python第三章上机实践_《机器学习Python实践》读书笔记-第三章
<机器学习Python实践>,第三章,第一个机器学习项目以往目录:橘猫吃不胖:<机器学习Python实践>读书笔记-第一章zhuanlan.zhihu.com 书中介绍了一 ...
机器学习 Python实践第一天 18.11.08
本人是某大学大二学生专业是软件工程. 由于大一贪玩,大二这学期才有所学习,目前只会C,Python.目前在本学校嵌入式开发实验室.但是我们实验室可以自选喜欢的东西.于是我指向了人工智能.询问了老师 ...
机器学习Python实践》——数据导入（CSV）
一.CSV 逗号分隔值(逗号分隔值,CSV,有时也称为字符分隔值,因为分隔字符也可以不是逗号),其文件以纯文本形式存储表格数据(数字和文本).纯文本意味着该文件是一个字符序列,不含必须像二进制数字那样 ...
《机器学习Python实践》——数据导入（CSV）
一,CSV 逗号分隔值(逗号分隔值,CSV,有时也称为字符分隔值,因为分隔字符也可以不是逗号),其文件以纯文本形式存储表格数据(数字和文本).字幕:纯意味着该文件的英文一个字符序列,不含必须像二进制数 ...
写csv文件_机器学习Python实践——数据导入（CSV）
一,CSV 逗号分隔值(逗号分隔值,CSV,有时也称为字符分隔值,因为分隔字符也可以不是逗号),其文件以纯文本形式存储表格数据(数字和文本).字幕:纯意味着该文件的英文一个字符序列,不含必须像二进制数 ...
csv逗号分隔符转换_机器学习Python实践——数据导入（CSV）
一,CSV 逗号分隔值(逗号分隔值,CSV,有时也称为字符分隔值,因为分隔字符也可以不是逗号),其文件以纯文本形式存储表格数据(数字和文本).字幕:纯意味着该文件的英文一个字符序列,不含必须像二进制数 ...
python怎么导入csv文件数据-机器学习Python实践——数据导入（CSV）
一,CSV 逗号分隔值(逗号分隔值,CSV,有时也称为字符分隔值,因为分隔字符也可以不是逗号),其文件以纯文本形式存储表格数据(数字和文本).字幕:纯意味着该文件的英文一个字符序列,不含必须像二进制数 ...
python聚类分析成绩反思_机器学习python实践——二分K-means聚类
说这算法之前的话,前期的准备工作,请看我前面的博客.上一篇,我说到了K-means聚类算法,但是有很多的不足,有很多能够改进的地方,例如,怎样使得聚类效果达到全局最优(可能的最好结果)呢? 那么接下来 ...
自学python推荐书籍同时找哪些来实践-机器学习：Python实践 PDF 原书完整版
给大家带来的一篇关于人工智能相关的电子书资源,介绍了关于机器学习.Python实践方面的内容,本书是由电子工业出版社出版,格式为PDF,资源大小124.7 MB,魏贞原编写,目前豆瓣.亚马逊.当当.京 ...
《Head First Python》第五章--理解数据
先给个数据链接:Head First Python 数据集第五章的问题是帮助Kelly教练获得每个运动员跑得最快的三个时间数据集: 首先,数据杂乱无章先进行初步处理按逗号分隔: 把冒号.'-'都 ...

《机器学习Python实践》第6章——数据理解

6. 数据属性的相关性

7. 数据的分布分析

《机器学习Python实践》第6章——数据理解相关推荐

最新文章

热门文章