MLDATA是用来在机器学习前清理数据的过程！
MLData的Python项目详细描述
#mldata
mldata，是一个为机器学习过程清理和规范化数据的项目。
=处理器（“resource/raw_dataset.csv”，target_column=“approve/not”，exclude_column_list=[“id”]，
category_list=[“work class”，“fnlwgt”，“education”，“maried status”，“occupation”，“relationship”，“race”，“gender”，“native country”，“flag”]，
无效的值=[“？”，“”，“空”，无]，
正片标记=1）
处理器.normalize（）
处理器.save_to_file（new_file_path）
`````
api描述
1，初始化函数
````
处理器（csv_file_path，target_column，exclude_column_list=none，category_list=none，正片标记=1，
csv_头=0，无效的_值=无）
```
参数：
csv_文件路径：原始csv文件路径
target_列：目标的列名
exclude_列列表：不需要规范化的列
category_列表：基于类别的列的列名列表
positive_标记：正数标记目标列值，默认值为1
无效的值：CSV中的值无效，例如“？”，“”，“null”，none
2，normal列表
``buildoutcfg
processor.normalize（）
````
此函数用于对csv文件执行normal。
3，将结果保存到csv文件。
``buildoutcfg
processor.save_to_file（new_file_name）
````
此函数用于将规范化输出保存到csv文件。
参数：
新文件名：保存规范化数据的新文件名
mldata，是一个为机器学习过程清理和规范化数据的项目。
=处理器（“resource/raw_dataset.csv”，target_column=“approve/not”，exclude_column_list=[“id”]，
category_list=[“work class”，“fnlwgt”，“education”，“maried status”，“occupation”，“relationship”，“race”，“gender”，“native country”，“flag”]，
无效的值=[“？”，“”，“空”，无]，
正片标记=1）
处理器.normalize（）
处理器.save_to_file（new_file_path）
`````
api描述
1，初始化函数
````
处理器（csv_file_path，target_column，exclude_column_list=none，category_list=none，正片标记=1，
csv_头=0，无效的_值=无）
```
参数：
csv_文件路径：原始csv文件路径
target_列：目标的列名
exclude_列列表：不需要规范化的列
category_列表：基于类别的列的列名列表
positive_标记：正数标记目标列值，默认值为1
无效的值：CSV中的值无效，例如“？”，“”，“null”，none
2，normal列表
``buildoutcfg
processor.normalize（）
````
此函数用于对csv文件执行normal。
3，将结果保存到csv文件。
``buildoutcfg
processor.save_to_file（new_file_name）
````
此函数用于将规范化输出保存到csv文件。
参数：
新文件名：保存规范化数据的新文件名
欢迎加入QQ群-->： 979659372
