डेटा प्री-प्रोसेसिंग का अर्थ है डेटा की सफाई, अवैध डेटा को हटाना, शोर को दूर करना, प्रासंगिक मूल्यों के साथ डेटा को बदलना आदि।
डेटा प्री-प्रोसेसिंग मूल रूप से सभी डेटा (जो विभिन्न संसाधनों या एकल संसाधन से एकत्र किया गया है) को एक सामान्य प्रारूप में या समान डेटासेट में इकट्ठा करने का कार्य है (डेटा के प्रकार के आधार पर)। एक चरण का आउटपुट अगले चरण का इनपुट बन जाता है और इसी तरह आगे बढ़ता है।
विशिष्ट परिणाम प्राप्त करने के लिए इनपुट डेटा से मीन वैल्यू को हटाना पड़ सकता है। आइए समझते हैं कि scikit-learn लाइब्रेरी का उपयोग करके इसे कैसे प्राप्त किया जा सकता है।
उदाहरण
import numpy as np
from sklearn import preprocessing
input_data = np.array([
[34.78, 31.9, -65.5],
[-16.5, 2.45, -83.5],
[0.5, -87.98, 45.62],
[5.9, 2.38, -55.82]
])
print("मीन वैल्यू है:", input_data.mean(axis=0))
print("स्टैंडर्ड डेविएशन वैल्यू है:", input_data.std(axis=0))
data_scaled = preprocessing.scale(input_data)
print("मीन वैल्यू हटा दी गई है:", data_scaled.mean(axis=0))
print("स्टैंडर्ड डेविएशन हटा दी गई है:", data_scaled.std(axis=0))आउटपुट
मीन वैल्यू है: [ 6.17 -12.8125 -39.8 ] स्टैंडर्ड डेविएशन वैल्यू है: [18.4708067 45.03642047 50.30754615] मीन वैल्यू हटा दी गई है: [-2.60208521e-18 -8.32667268e-17 -1.11022302e-16] स्टैंडर्ड डेविएशन हटा दी गई है: [1. 1. 1.]
व्याख्या
आवश्यक पैकेज आयात किए गए हैं।
Numpy लाइब्रेरी का उपयोग करके इनपुट डेटा उत्पन्न किया गया है।
मीन और स्टैंडर्ड डेविएशन मानों की गणना की गई है।
इन्हें कंसोल पर प्रदर्शित किया गया है।
'data_scaled' फ़ंक्शन का उपयोग डेटा से मीन और स्टैंडर्ड डेविएशन मानों को हटाने के लिए किया जाता है।
हटाए गए मीन और स्टैंडर्ड डेविएशन डेटा को कंसोल पर प्रदर्शित किया जाता है।
