机器学习实战：基于Scikit-Learn、Keras 和TensorFlow （原书第2 版）

66

｜

第

2

章

这一轮的探索不一定要多么彻底，关键是迈开第一步，快速获得洞见，这将有助于你获

得非常棒的第一个原型。这也是一个不断迭代的过程：一旦你的原型产生并且开始运行，

你可以分析它的输出以获得更多洞见，然后再次回到这个探索步骤。

2.5 机器学习算法的数据准备

现在，终于是时候给你的机器学习算法准备数据了。这里你应该编写函数来执行，而不

是手动操作，原因如下：

•

你可以在任何数据集上轻松重现这些转换（例如，获得更新的数据集之后）。

•

你可以逐渐建立起一个转换函数的函数库，可以在以后的项目中重用。

•

你可以在实时系统中使用这些函数来转换新数据，再输入给算法。

•

你可以轻松尝试多种转换方式，查看哪种转换的组合效果最佳。

但是现在，让我们先回到一个干净的训练集（再次复制 strat_train_set），然后将预

测器和标签分开，因为这里我们不一定对它们使用相同的转换方式（需要注意 drop() 会

创建一个数据副本，但是不影响 strat_train_set）：

housing = strat_train_set.drop("median_house_value", axis=1)

housing_labels = strat_train_set["median_house_value"].copy()

2.5.1 数据清理

大部分的机器学习算法无法在缺失的特征上工作，所以我们要创建一些函数来辅助它。

前面我们已经注意到 total_bedrooms 属性有部分值缺失，所以我们要解决它。有以

下三种选择： ...