MachineLearning1.py

# -*- coding: utf-8 -*-
"""
Created on Fri Dec  5 23:11:43 2025

@author: medak
"""

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# Veri Yükleme
veriler = pd.read_csv('eksikveriler.csv')

# Eksik Veriler
from sklearn.impute import SimpleImputer  
imputer = SimpleImputer(missing_values=np.nan, strategy='mean') 
Yas = veriler.iloc[:, 1:4].values
print(Yas)
imputer = imputer.fit(Yas[:, 1:4])  
Yas[:, 1:4] = imputer.transform(Yas[:, 1:4])  
print(Yas)

# Kategorik Veriler
ulke = veriler.iloc[:, 0:1].values  
print(ulke)
from sklearn import preprocessing  
le = preprocessing.LabelEncoder()  
ulke[:,0] = le.fit_transform(veriler.iloc[:, 0])  
print(ulke)
ohe = preprocessing.OneHotEncoder()  
ulke = ohe.fit_transform(ulke).toarray()  
print(ulke)


# Verilerin Birleştirilmesi
print(list(range(22)))
sonuc = pd.DataFrame(data=ulke, index=range(22), columns=['fr','tr','us'])
print(sonuc)

sonuc2 = pd.DataFrame(data=Yas, index=range(22), columns=['boy','kilo','yas'])
print(sonuc2)

cinsiyet = veriler.iloc[:, -1].values
print(cinsiyet)

sonuc3 = pd.DataFrame(data=cinsiyet, index=range(22), columns=['cinsiyet'])
print(sonuc3)

s = pd.concat([sonuc,sonuc2], axis=1)
print(s)

s2 = pd.concat([s,sonuc3], axis=1)
print(s2)


# Veri Setini Test ve Train olarak Bölmek
from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(s, sonuc3, test_size=0.33, random_state=0) 
# Veri setinin %33’ü test, %67’si eğitim olarak kullanılacak demektir.


# Öznitelik Ölçekleme
# Veri setindeki bazı özellikler çok büyük, bazıları çok küçük olabilir. Tüm sütunları benzer aralığa getirmek gerekir.
from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
X_train = sc.fit_transform(x_train)
X_test = sc.fit_transform(x_test)