1、标准差标准化(z-score标准化):(X-X.mean(axis=0))/X.std(axis=0)①利用scale标准化：sklearn.preprocessing.scale(X, axis=0, with_mean=True, with_std=True, copy=True)In [2]: from sklearn import preprocessing...: i

Bunch和字典结构类似，也是又键值对组成，和字典区别：其键值可以被实例对象当作属性使用。In [1]: from sklearn.datasets import base...: buch = base.Bunch(A=1,B=2,c=3)...:In [2]: type(buch)Out[2]: sklearn.datasets.base.BunchIn [3]:

K折交叉验证：sklearn.model_selection.KFold(n_splits=3, shuffle=False, random_state=None)思路：将训练/测试数据集划分n_splits个互斥子集，每次用其中一个子集当作验证集，剩下的n_splits-1个作为训练集，进行n_splits训练和测试，得到n_splits个结果注意点：对于不能均等份的数据集，其前n_sa

语法：replace(self, to_replace=None, value=None, inplace=False, limit=None, regex=False, method='pad', axis=None)使用方法如下：import numpy as npimport pandas as pddf = pd.read_csv('emp.csv')df#Series对