《数据挖掘与机器学习》 课件 项目五 加工厂玻璃类别识别——决策树、随机森林.pptxVIP

8南宁职业技术学

院

NCVTNANNINGCOLLEGEFORVOCATIONALTECHNOLOGY

厨

数据挖掘与机器学习

DATAMININGMACHINELEARNINc

处理玻璃成分数据

加工厂玻璃类别识别——决策树、随机森林

任务描述处理玻璃成分数据

数据预处理是数据分析的基础，基础不牢，地动山摇，因此，数据预处理是关键一步。

打好坚实的基础才能为之后的腾飞做好准备。

数据预处理的具体目标是将不同格式和单位的数据，整合为同一形式，便于之后的数

据分析。

本任务将主要对加工厂生产的玻璃进行数据的预处理，包括数据集的划分、数据的标

准化，以及通过PCA降维，提取数据集的主要特征。

任务要求处理玻璃成分数据

利用sklearn库进行标准差标准化。

利用sklearn库进行PCA降维。

Part1相关知识

·数据标准化

·数据降维

数据标准化处理玻璃成分数据

什么是数据标准化?

●数据标准化是将数据转换为统一的格式和结构，以便在不同系统和应用

程序之间进行共享和交换，同时确保数据的一致性和可靠性。

数据标准化处理玻璃成分数据

标准化数据有何作用?

·在数据处理中进行标准化的意义在于消除数据的尺度影响，原始数据的尺度可能差异较大。

·数据标准化可以将所有特征的取值范围统一，消除尺度影响，提高模型的稳定性和准确性。

·数据标准化可以提高模型的收敛速度，在机器学习中，一些优化算法可能需要多次迭代才

能达到最优解。

·如果数据的尺度不同，会导致算法在某些特征上迭代次数多，而在其他特征上则迭代次数

少。

·提高数据质量，标准化可以帮助识别和消除数据中的异常值和错误，提高数据质量。

数据标准化处理玻璃成分数据

常见的数据标准化方法如下。

方法意义

最大最小标准化将数据缩放到指定范围内，适用于数据分布在不同范围的情况下

标准差标准化将数据转换为其标准分数，适用于正态分布的数据

小数定标标准化将数据除以一个固定的基数，例如10的幂，以消除数据中的单位差异

处理玻璃成分数据

最大最小标准化

最大最小标准化通过对原始数据进行线性变换，将数据缩放到指定的范围

内，通常是[0,1]。最大最小标准化的公式如下所示。

x的最大值x的最小值

最大最小标准化处理玻璃成分数据

使用sklearn库中的MinMaxScale