Lucas, eu não entendi porque está usando um offset na função preprocessData da classe ClassificationModel quando você usa o pre.fillMissingData, pois a pre.fillMissingData não acrescenta colunas ao conjunto de dados. Dessa forma a função não seria usada em colunas erradas se precisar preencher mais de uma coluna?
Não sei se mudou posteriormente, pois ainda estou na aula 20:
|
def preprocessData(args, use_scaling): |
|
X, y, csv = pre.loadDataset(args.dataset, args.delimiter) |
|
|
|
if(args.fill_missing_data_columns is not None): |
|
columns = str(args.fill_missing_data_columns).split(',') |
|
columns = [ int(x) for x in columns ] |
|
|
|
offset = 0 |
|
for n in columns: |
|
X = pre.fillMissingData(X, n + offset) |
|
offset += n |
|
|
Lucas, eu não entendi porque está usando um offset na função
preprocessDatada classeClassificationModelquando você usa opre.fillMissingData, pois apre.fillMissingDatanão acrescenta colunas ao conjunto de dados. Dessa forma a função não seria usada em colunas erradas se precisar preencher mais de uma coluna?Não sei se mudou posteriormente, pois ainda estou na aula 20:
MachineLearningSeries/Ep 20/classification.py
Lines 30 to 41 in 8ac61d0