首先，感谢您阅读本文。
在机器学习方面，我是一个菜鸟，我正在尝试使用ML来分类一些数据。现在我已经对有监督和无监督的学习算法做了一些基本的阅读，比如决策树，聚类，神经网络..等等。
我正在努力理解的是为ML问题准备数据集的正确整体程序。
如何为ML准备数据集以便我可以测量算法的准确性？
我目前的理解是，为了评估准确性，算法应该使用预先标记的结果（来自数据集的重要子集？），以便评估预期结果与算法决策之间的差异？
如果这是正确的，那么如何预先标记大型数据集呢？我的数据集很大，手动标记不可行。
此外，非常感谢任何有关使用Python进行机器学习的提示！
非常感谢您的帮助！
致以最诚挚的问候，
麦克
答案 0 :(得分：4)
这是任何机器学习算法中最重要的部分。您需要构建数据集，提取，制作，缩放，规范化功能。
如果您想使用某种监督学习算法，则需要标记数据。有几种方法可以实现这一目标：
你需要使用一些python机器学习工具包，例如 - scikit-learn。 scikit-learn包含许多用于数据修改，特征提取和预处理的有用工具。例如，它可以使用DictVictorizer对您的数据进行矢量化。您可以仅使用scikit-learn添加缺失值，缩放和规范化功能。
我建议从这里的示例开始 - http://scikit-learn.org/stable/