sklearn学习笔记---继上一篇的函数总结

1、数据处理

(1)原始数据

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

[out]:

sklearn学习笔记---继上一篇的函数总结

(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]

sklearn学习笔记---继上一篇的函数总结

(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]

sklearn学习笔记---继上一篇的函数总结

(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

上一篇:MySQL操作实例(中)


下一篇:C#为配置文件加密的实现方法