在机器学习和数据挖掘的应用中，scikit-learn 是一个功能强大的 python 包。在数据量不是过大的情况下，可以解决大部分问题。学习使用 scikit-learn 的过程中，我自己也在补充着机器学习和数据挖掘的知识。这里根据自己学习 sklearn 的经验，我做一个总结的笔记。

对于Pandas运行速度的提升方法，之前已经介绍过很多回了，里面经常提及Dask，很多朋友没接触过可能不太了解，今天就推荐一下这个神器。 Pandas和Numpy大家都不陌生了，代码运行后数据都加载到RAM中，如果数据集特别大，我们就会看到内存飙升。但有时要处理的数据并不适合R…

这是我参与8月更文挑战的第28天，活动详情查看：8月更文挑战 简介 通过特征提取，我们能得到未经处理的特征，这时的特征可能有以下问题： 不属于同一量纲：即特征的规格不一样，不能够放在一起比较。无量纲化

本篇文章介绍通过三个步骤来解决具体的机器学习问题，数据预处理，建模与预测等。

机器学习的核心是处理数据。你的机器学习工具应该与数据的质量一样好。本文涉及清理数据的各个步骤。你的数据需要经过几个步骤才能用于预测。 处理缺失的数据。 编码分类数据。 将数据集拆分为测试集和训练集。 特征缩放。 那么让我们逐一学习这些步骤。 每次我们制作新模型时，都会要求导入 …