Hướng dẫn data cleaning python cheat sheet - làm sạch dữ liệu bảng cheat python

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

49

# 2. Nhập thư viện và mô -đun

Nhập khẩu Asnpnumpy asnp

IMPREPPANDAS ASPDpandas aspd

Fromsklearn.model_selection Nhập khẩuTrain_Test_Splitsklearn.model_selection importtrain_test_split

FromskLearn Nhập trísklearn importpreprocessing

Fromsklearn.Ensemble ImprTrandomforestreatoryorsklearn.ensemble importRandomForestRegressor

Fromsklearn.Pipeline Nhập trí_pipelinesklearn.pipeline importmake_pipeline

Fromsklearn.model_selection Nhập trí nghiên cứusklearn.model_selection import GridSearchCV

Fromsklearn.Metrics nhập khẩusklearn.metrics importmean_squared_error,r2_score

Nhập khẩuJOblibjoblib

# 3. Tải dữ liệu rượu vang đỏ.

dataset_url='https://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/winequality-red.csv'= 'https://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/winequality-red.csv'

data=pd.read_csv(dataset_url,sep=';')=pd.read_csv(dataset_url,sep=';')

# 4. Chia dữ liệu thành các bộ đào tạo và kiểm tra

y=data.quality= data.quality

X=data.drop('quality',axis=1)=data.drop('quality',axis=1)

X_train,X_test,y_train,y_test=train_test_split(X,y,,X_test,y_train,y_test= train_test_split(X,y,

                                                    test_size=0.2,test_size=0.2,

                                                    random_state=123,random_state=123,

                                                    stratify=y)stratify=y)

# 5. Khai báo các bước tiền xử lý dữ liệu

pipeline=make_pipeline(preprocessing.StandardScaler(),=make_pipeline(preprocessing.StandardScaler(),

& nbsp; & nbsp; & nbsp; & nbsp; & nbsp; & nbsp; RandomForestRestyor (n_estimators = 100,RandomForestRegressor(n_estimators=100,

& nbsp; & nbsp; & nbsp; & nbsp; & nbsp; & nbsp; & nbsp; & nbsp; & nbsp; & nbsp; & nbsp; & nbsp; & nbsp; & nbsp; Random_state = 123))random_state=123))

# 6. Tuyên bố Hyperparameter để điều chỉnh

hyperparameters={'randomforestregressor__max_features':['auto','sqrt','log2'],={'randomforestregressor__max_features':['auto','sqrt','log2'],

                  'randomforestregressor__max_depth':[None,5,3,1]}'randomforestregressor__max_depth': [None,5,3,1]}

# 7. Mô hình điều chỉnh bằng đường ống xác thực chéo

clf=GridSearchCV(pipeline,hyperparameters,cv=10)=GridSearchCV(pipeline,hyperparameters, cv=10)

clf.fit(X_train,y_train).fit(X_train,y_train)

# 8. Tái trang bị trên toàn bộ bộ đào tạo

# Không cần mã bổ sung nếu clf.refit == true (mặc định là đúng)

# 9. Đánh giá đường ống mô hình trên dữ liệu kiểm tra

pred=clf.predict(X_test)= clf.predict(X_test)

print(r2_score(y_test,pred))(r2_score(y_test,pred))

print(mean_squared_error(y_test,pred))(mean_squared_error(y_test,pred))

# 10. Lưu mô hình cho sử dụng trong tương lai

joblib.dump(clf,'rf_regressor.pkl').dump(clf,'rf_regressor.pkl')

# To Load: clf2 = joblib.load ('rf_reforyor.pkl'))