在上一节中，我们已经学习了监督和无监督机器学习算法。 这些算法需要格式化数据才能开始训练过程。在这一节中，我们以某种方式准备或格式化数据，以便将其作为 ML 算法的输入提供。
本章重点介绍机器学习算法的数据准备。
在我们的日常生活中，需要处理大量数据，但这些数据是原始数据。 为了提供数据作为机器学习算法的输入，需要将其转换为有意义的数据。 这就是数据预处理进入图像的地方。 换言之，可以说在将数据提供给机器学习算法之前，我们需要对数据进行预处理。
数据预处理步骤
按照以下步骤在 Python 中预处理数据 -
第1步 - 导入有用的软件包 - 如果使用 Python，那么这将成为将数据转换为特定格式(即预处理)的第一步。如下代码 -
import numpy as np
from sklearn import preprocessing
这里使用了以下两个软件包 -
第2步 - 定义样本数据 - 导入包后，需要定义一些样本数据，以便可以对这些数据应用预处理技术。现在将定义以下样本数据 -
input_data = np.array([[2.1, -1.9, 5.5],
[-1.5, 2.4, 3.5],
[0.5, -7.9, 5.6],
[5.9, 2.3, -5.8]])
第3步 - 应用预处理技术 - 在这一步中，我们需要应用预处理技术。
以下部分描述数据预处理技术。