小编Tia*_*Tia的帖子

所以,我怀疑并一直在寻找答案.所以问题是我何时使用,

from sklearn import preprocessing
min_max_scaler = preprocessing.MinMaxScaler()

df = pd.DataFrame({'A':[1,2,3,7,9,15,16,1,5,6,2,4,8,9],'B':[15,12,10,11,8,14,17,20,4,12,4,5,17,19],'C':['Y','Y','Y','Y','N','N','N','Y','N','Y','N','N','Y','Y']})

df[['A','B']] = min_max_scaler.fit_transform(df[['A','B']])
df['C'] = df['C'].apply(lambda x: 0 if x.strip()=='N' else 1)

这之后,我将训练和测试模型(A,B作为特征,C如标签),并得到一些准确度得分.现在我的疑问是,当我必须预测新数据集的标签时会发生什么.说,

df = pd.DataFrame({'A':[25,67,24,76,23],'B':[2,54,22,75,19]})

因为当我对列进行标准化时A,B将根据新数据更改值的值,而不是根据模型将要训练的数据.那么,现在我的数据准备步骤之后的数据如下所示.

data[['A','B']] = min_max_scaler.fit_transform(data[['A','B']])

价值A和B将相对于Max和的Min价值而变化df[['A','B']].的准备数据df[['A','B']]是相对于Min Max的df[['A','B']].

关于不同的数字,数据准备如何有效？我不明白这里的预测是否正确.

尝试将字母数字部分与字符串Eg分开：如果传递的输入为

    BMW X5

我将得到的输出看起来像

    X5  

使用内置函数.isalnum（）将字母数字与其他单词分开，但输出仍然显示错误。的

    name= 'BMW X5'
    if name.isalnum():
        model = list(filter(lambda x: x.isalnum(), name.strip().split()))
    else:
        model = name

预期输出X5，但是这段代码的输出是'BMW X5'

我们可以将spark与sql-server连接吗？如果是这样，怎么办？我是Spark的新手，我想将服务器连接到spark并直接从sql-server工作，而不是上传.txt或.csv文件。请帮忙，谢谢。