对机器学习数据集执行特征缩放和标准化？

[Habib01]

16. 有没有一种方法可以快速、轻松地将函数应用到二维矩阵的每一行和每一列？
有时我们需要对矩阵执行自定义计算以获取有关每行或列的信息。幸运的是，您可以使用 NumPy 方法apply_along_axis()在 NumPy 数组上应用自定义函数。这些函数应用于每个矩阵的整个特定轴。


供电
17. 如何利用 NumPy
标准化数据可确保我们正确训练机器学习模型。如果没有标准化，尺度会影响我们的模型结果，尤其是基于距离的模型。

我们可以使用 NumPy 函数轻松执行缩放。以下是针对所有行运行的最小-最大缩放的示例。确保在缩放要素时选择正确的尺寸。

供电
18. 有哪些方法可以轻松对 NumPy 数组进行排序和索引？
即使我们有像 DataFrame 这样的东西，sort_values()在某些情况下我们也希望找到这些有序值的位置。

NumPy页面argsort()提供了对给定数组进行排序的位置。一个有用的情 BC 马来西亚数据 况是当我们需要正确索引其他数据集以匹配我们的排序数组时。通过准备好位置，我们可以使用输出argsort()来确保数据集之间的一致性。

19. NumPy 的随机数生成器可用于使其可预测的一个重要方面是什么？为什么？
计算中的随机数生成器并不是真正随机的。它们基于初始种子。因为我们经常想要测试我们的数据并能够轻松评估结果，所以我们需要最大限度地减少管道中存在的随机性。

使用NumPy的方法random.seed()，我们可以为整个字符串设置种子，这样每次都会得到相似的结果。设置特定的种子可以让我们评估结果的改进是否基于我们的模型拟合而不是偶然。

20. 描述如何在 NumPy 中实现 K-Means。
在面试过程中，您可能会被要求实现某种类型的算法。这些问题的目标是通过对模型和包的基本了解来回答。

你不需要记住下面的每一行代码，但你确实需要能够指出所需的关键步骤和方法。确保您已阅读K 均值（和其他基本算法）并了解该算法的工作原理。