Предобработка данных. Разделение данных, масштабирование, кодирование категорий, отбор признаков, балансировка классов

1.

Предобработка
данных
Разделение данных,
масштабирование,
кодирование
категорий, отбор
признаков,
балансировка
классов

2.

Разделение
данных
Метод:
train_test_split
Разделяет
данные на
обучающую и
тестовую
выборку
(80/20)

3.

X – это матрица признаков
(фичи), а y – целевая
переменная.
Данные случайным образом
разбиваются на две части:
Как
работает
80% (train) – для обучения модели.
train_test_split(X, y, test_size=0.2, random_state=42)
20% (test) – для проверки модели.
random_state=42 делает
разбиение детерминированным,
т.е. при каждом запуске оно
будет одинаковым.

4.

Масштабирование
данных
Метод:
StandardScaler
Приводит
признаки к
среднему 0 и
дисперсии 1

5.

Как работает
StandardScaler().fit_transform(df)
•Стандартное
масштабирование
(Z-score normalization):