對于缺失的數據：

我們對連續數值的特征做標準化（standardization）：設該特征在整個數據集上的均值為 μ ，標準差為 σ 。那么，我們可以將該特征的每個值先減去 μ 再除以 σ 得到標準化后的每個特征值。對于缺失的特征值，我們將其替換成該特征的均值。

numeric_features = all_features.dtypes[all_features.dtypes != 'object'].index all_features[numeric_features] = all_features[numeric_features].apply(lambda x: (x - x.mean()) / (x.std())) # 標準化后，每個特征的均值變為0，所以可以直接用0來替換缺失值 all_features[numeric_features] = all_features[numeric_features].fillna(0)

一個標簽可能多種參數的情況：

接下來將離散數值轉成指示特征。舉個例子，假設特征MSZoning里面有兩個不同的離散值RL和RM，那么這一步轉換將去掉MSZoning特征，并新加兩個特征MSZoning_RL和MSZoning_RM，其值為0或1。如果一個樣本原來在MSZoning里的值為RL，那么有MSZoning_RL=1且MSZoning_RM=0。

# dummy_na=True將缺失值也當作合法的特征值并為其創建指示特征 all_features = pd.get_dummies(all_features, dummy_na=True) all_features.shape

總結

以上是生活随笔為你收集整理的房价预测 search Search 中对数据预处理的学习的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。