Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | |
| 7 | 8 | 9 | 10 | 11 | 12 | 13 |
| 14 | 15 | 16 | 17 | 18 | 19 | 20 |
| 21 | 22 | 23 | 24 | 25 | 26 | 27 |
| 28 | 29 | 30 | 31 |
Tags
- pandas
- Dictionary
- count()
- data
- len()
- function
- 분류 결과표
- hierarchical_clustering
- nan
- Python
- DataAccess
- sklearn
- insert()
- DataFrame
- elbow method
- dendrogram
- string
- Machine Learning
- append()
- IN
- 최댓값
- 최솟값
- 반복문
- matplotlib
- list
- 덴드로그램
- wcss
- numpy
- del
- analizer
Archives
- Today
- Total
개발공부
데이터 전처리 기초 #2 데이터(X)와 레이블(y)로 나누기 본문
[Machine Learning] 데이터 분리하기 #1 Nan처리하기
학습을 위해 데이터를 Train과 Test 영역으로 나눠보자. 아래와 같은 데이터 프레임이 있다. 먼저 해당데이터에 Nan이 있으면 나중에 학습을 하는데 문제가 발생하니 여러가지 방법으로 Nan을 처리
mscha.tistory.com
데이터 분리하기 #1 에서 Nan을 dropna()하는 방식으로 데이터프레임을 가공하여 아래와 같은 df를 얻었다.
우리가 원하는 것은 Country, Age, Salary에 따라 Purchased가 Yes인지 No인지를 예측하는 것이다.
Country, Age, Salary를 학습데이터 X
Purchased를 그에 따른 레이블 y로 만들어 보겠다.
X = df.loc[:, 'Country' : 'Salary']
X
y = df['Purchased']
y
'Python > Machine Learning' 카테고리의 다른 글
| 데이터 전처리 기초 #5 sklearn라이브러리를 이용해 Dataset 나누기 (Training,Test) (0) | 2022.05.09 |
|---|---|
| 데이터 전처리 기초 #4 피처 스케일링 Feature Scaling(표준화, 정규화) (0) | 2022.05.09 |
| 데이터 전처리 기초 #3 sklearn(사이킷런) 라이브러리를 이용해 카테고리컬 데이터 처리하기 (레이블 인코딩, 원 핫 인코딩) (0) | 2022.05.06 |
| 데이터 전처리 기초 #1 Nan처리하기 (0) | 2022.05.06 |
| 머신 러닝(Machine Learning)의 이해 (0) | 2022.05.06 |
'Python/Machine Learning' Related Articles
more
