使用Python在机器学习中预处理数据的不同方法？

我想预处理日期并使用它来用python训练我的模型。 我的约会格式是这样的。 22-02-2026 我迄今为止开发的代码附在下面

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
import warnings
warnings.simplefilter(action='ignore', category=FutureWarning)

df=pd.read_csv('data.csv')

df['previous_date'] = pd.to_datetime(df['previous_date'])
df['current_date'] = pd.to_datetime(df['current_date'])

df['previous_date_day'] = df['previous_date'].dt.day
df['previous_date_month'] = df['previous_date'].dt.month
df['previous_date_year'] = df['previous_date'].dt.year

df['current_date_day'] = df['current_date'].dt.day
df['current_date_month'] = df['current_date'].dt.month
df['current_date_year'] = df['current_date'].dt.year



X=df.iloc[:,3:]
Y=df['value']

X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.2, random_state=42)

from sklearn import tree
clf = tree.DecisionTreeClassifier()

clf = clf.fit(X_train, np.ravel(y_train))

from sklearn.metrics import accuracy_score
y_pred=clf.predict(X_test)
acc_score=accuracy_score(y_test, y_pred)*100
print("Accuracy Score : " , acc_score)

作为pd进口熊猫 将numpy作为np导入 从sklearn.model\u选择导入列车\u测试\u拆分 进口警告 warnings.simplefilter（action='ignore'，category=futurewaning） df=pd.read\u csv（'data.csv'）） df['previous_date']=pd.to_datetime（df['previous_date']） df['current_date']=pd.to_datetime（df['current_date']） df['previous_date_day']=df['previous_date'].dt.day df[‘上一个日期’月]=df[‘上一个日期’].dt.month df[‘上一个日期’年份]=df[‘上一个日期’].dt.year df[“当前日期”]=df[“当前日期”].dt.day df[“当前日期/月份”]=df[“当前日期/月份”].dt.month df[‘当前日期’年份]=df[‘当前日期’].dt.year X=df.iloc[：，3:] Y=df[“值”] X_序列，X_测试，y_序列，y_测试=序列测试分割（X，y，测试大小=0.2，随机状态=42） 从sklearn导入树 clf=tree.DecisionTreeClassifier（） clf=clf.fit（X_系列，np.ravel（y_系列）） 从sklearn.metrics导入准确性\u分数 y_pred=clf.预测（X_检验） acc_分数=准确度_分数（y_测试，y_预测）*100 打印（“准确度分数：”，acc_分数）

---

根据您的评论，您需要将日期转换为序号，以便算法能够判断顺序

以下是一种方法：

导入日期时间
origin=datetime.datetime（1970,1,1）
天=（datetime.datetime.strtime（'22-02-2026'，'%d-%m-%Y'）-来源）。天

在这种情况下是

20506

---

我将origin设置为Unix epoch，但您可以根据自己的喜好修改它。这其实并不重要，因为这里的目的是告诉订单。大多数机器学习算法都能够使用这种格式的特征，但如果这是最佳方法，则取决于问题的性质。

由于有许多日期需要转换为数字表示，首先要确保输出列表的顺序与Lukas提到的相同。最简单的方法是将重量添加到每个单位（重量年>重量月>重量日）

现在，规范化数值很重要

import numpy as np
date_features = []
for d in list(df['date_time']):
  date_features.append(date2num(d))
date_features = np.array(date_features)
date_features_normalized = (date_features - np.min(date_features))/(np.max(date_features) - np.min(date_features))

---

您在帖子中的一条评论中写道：

---

我只想比较两个日期。如果第一个日期大于 第二次约会我想预测是真的否则我想我的预测是真的 *错。所以我的问题是我应该如何预处理数据来训练机器学习模型

这不需要机器学习，只有在if/else条件下才能解决

当事情简单的时候，你真的不需要把它复杂化

您所需要的就是：

if (first_date > second_date) 
    return True
else
    return False

或者在您的情况下：

def get_value_for_dates(row):
    if row['first_column'] > row['second_column']:
        return 1
    else:
        return 0

df['value'] = df.apply(get_value_for_dates, axis=1)

---

你的问题是什么？是否要将日期转换为更合适的格式？在这种情况下，使用类似于

arrow.get（“22-02-2026”）.timestamp的东西。我只想比较两个日期。如果第一个日期大于第二个日期，我希望预测为真，否则我希望预测为*假。所以我的问题是我应该如何预处理数据来训练机器学习模型。我们需要更多的信息来帮助你。您的日期是单字符串变量还是在熊猫系列/数据框中？此外，向我们展示您已经尝试过的内容也是一种很好的做法。这是一个pandas数据框，包含两列previous_date和current_date，第三列是要预测的标签。您在我起草答案后编辑了问题，因此我没有看到您尝试使用pandas。你不需要把它分为日、月、年，事实上，它弊大于利。如果你把日期改成表示日期的序号就足够了（见我的答案）。
def get_value_for_dates(row):
    if row['first_column'] > row['second_column']:
        return 1
    else:
        return 0

df['value'] = df.apply(get_value_for_dates, axis=1)