from sklearn.preprocessing import MinMaxScaler df_norm = pd.DataFrame(MinMaxScaler().fit_transform(df_fin[['Length', 'Diameter', 'Height', 'Weight', 'Shucked Weight', 'Viscera Weight', 'Shell Weight']]), columns=['Length', 'Diameter', 'Height', 'Weight', 'Shucked Weight', 'Viscera Weight', 'Shell Weight']).merge(df_fin['Age'], on=df_fin.index)
时间: 2023-09-06 07:09:47 浏览: 293
sklearn:sklearn.preprocessing的MinMaxScaler简介、使用方法之详细攻略
5星 · 资源好评率100%
这段代码的作用是对数据进行归一化处理,将不同范围的数值统一到一定的范围内,以便后续的模型训练。具体来说,它将 `df_fin` 数据集中的七个特征列 'Length', 'Diameter', 'Height', 'Weight', 'Shucked Weight', 'Viscera Weight', 'Shell Weight' 进行 Min-Max 归一化,即将每列特征的数据值缩放到 [0,1] 区间内。最后将归一化后的数据集和原数据集中的 'Age' 列按照索引列进行合并,生成新的 DataFrame `df_norm`。
阅读全文