GitLab wurde erfolgreich aktualisiert. Durch regelmäßige Updates bleibt das THM GitLab sicher. Danke für Ihre Geduld.

Commit 5bf10cc2 authored by Jens Plüddemann's avatar Jens Plüddemann

commenting

parent 7cb01454
......@@ -315,10 +315,10 @@ class AirlinePassengers:
# Errechne das ARIMA Model mittels der Bibliothek Statsmodels und füge die Passagierdaten hinzu
results = ARIMA(self.passengers, order=(2, 1, 2)).fit(disp=-1)
# Plotte die Ergebnisse und zeige die Vorhersagen von 1 bis 264
# Plotte die Ergebnisse und zeige die Vorhersagen von 1 bis 264 mittels der Bibliothek Statsmoldels
results.plot_predict(1, 264)
#
# Zeige alle Plots
plt.show()
......
......@@ -4,6 +4,8 @@ from sklearn.preprocessing import OneHotEncoder, LabelEncoder
class OneHotEncoding:
def __init__(self):
# Erstelle einen Array mit Daten, welche Kodiert werden sollen
self.data = np.array([
'Katze',
'Hund',
......@@ -14,13 +16,24 @@ class OneHotEncoding:
])
def one_hot_encoder(self):
# label encoding not required anymore.. just for demo purpose
# Erstellen eines neuen Labelencoders, mittlerweile kann man direkt OneHotEncoding anwenden.. just a demo
label_encoder = LabelEncoder()
# Hinzufügen des Arrays zu dem Encoder
data_label_encoded = label_encoder.fit_transform(self.data)
# Schreibe die enkodierten Daten zur Konsole
print(data_label_encoded)
# Erstellen eines neuen OneHotEncoders
one_hot_encoder = OneHotEncoder(sparse=False)
# Hinzufügen des Arrays zum OneHotEncoder#
# Daten müssen in der Form [[..], [..]] und nicht [.., ..] vorliegen, deshalb reshape
data_one_hot_encoded = one_hot_encoder.fit_transform(self.data.reshape(-1, 1))
# Schreibe die enkodierten Daten zur Konsole
print(data_one_hot_encoded)
......
Markdown is supported
0% or .
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment