当前位置: 首页 > news >正文

wordpress伪装插件北京seo代理计费

wordpress伪装插件,北京seo代理计费,软件开发工资怎么样,查看网站建设工作深度学习的数据预处理通常包括: 1.数据清洗:去除错误或不完整的数据。 2.归一化:调整数据范围,如将像素值缩放到0-1。 3.数据增强:通过旋转、缩放等方法增加数据多样性。 4.数据划分:将数据分为训练集、验证…

深度学习的数据预处理通常包括:
1.数据清洗:去除错误或不完整的数据。
2.归一化:调整数据范围,如将像素值缩放到0-1。
3.数据增强:通过旋转、缩放等方法增加数据多样性。
4.数据划分:将数据分为训练集、验证集和测试集。
5.编码:将分类数据转换为机器学习模型可以处理的形式,如独热编码。

CSV文件预处理:
写入csv文件

import os  # 导入os模块,用于操作文件和目录# 创建一个名为'data'的目录,该目录位于当前工作目录的上一级目录中
# 如果目录已存在,exist_ok=True参数确保不会抛出错误
os.makedirs(os.path.join('..','data'),exist_ok=True)# 定义一个变量data_file,存储文件的完整路径
# 文件名为'home_tiny.txt',位于上一级目录中的'data'文件夹内
data_file=os.path.join('..','data','home_tiny.txt')# 使用with语句打开文件,确保文件操作完成后自动关闭文件
# 'w'模式表示写入模式,如果文件已存在,则覆盖原有内容
with open(data_file,'w') as f:f.write('NumRooms,Ally,price\n')f.write('NA,PAve,127500\n')f.write('2,NA,197500\n')f.write('5,NA,177500\n')f.write('NA,NA,165500\n')

读csv文件

import pandas as pddata =pd.read_csv('../data/home_tiny.txt') # 使用pandas的read_csv函数读取位于上一级目录中'data'文件夹内的'home.tiny.txt'文件
print(data)

数据补全:注意,“NaN”项代表缺失值。 为了处理缺失的数据,典型的方法包括插值法和删除法, 其中插值法用一个替代值弥补缺失值,而删除法则直接忽略缺失值。

通过位置索引iloc,我们将data分成inputs和outputs, 其中前者为data的前两列,而后者为data的最后一列。 对于inputs中缺少的数值,我们用同一列的均值替换“NaN”项。

# 使用iloc选择器从data中提取前两列作为输入特征(inputs)
# 即选择第0列和第1列(注意Python是从0开始计数的)
inputs, outputs = data.iloc[:, 0:2], data.iloc[:, 2]# 对inputs中的缺失值进行填充
# 使用fillna方法,将缺失值替换为每列的平均值
inputs = inputs.fillna(inputs.mean())

对于inputs中的类别值或离散值,我们将“NaN”视为一个类别。 由于“巷子类型”(“Alley”)列只接受两种类型的类别值“Pave”和“NaN”, pandas可以自动将此列转换为两列“Alley_Pave”和“Alley_nan”。 巷子类型为“Pave”的行会将“Alley_Pave”的值设置为1,“Alley_nan”的值设置为0。 缺少巷子类型的行会将“Alley_Pave”和“Alley_nan”分别设置为0和1。

# 使用get_dummies函数对inputs进行独热编码
# dummy_na=True表示将缺失值也作为一个类别进行编码
inputs = pd.get_dummies(inputs, dummy_na=True)NumRooms  Alley_Pave  Alley_nan
0       3.0           1          0
1       2.0           0          1
2       4.0           0          1
3       3.0           0          1

现在inputs和outputs中的所有条目都是数值类型,它们可以转换为张量格式。 当数据采用张量格式后,可以在后续进一步操作。

# 将输入特征inputs转换为NumPy数组,并指定数据类型为float
# to_numpy()函数将DataFrame转换为数组,dtype=float确保数据类型为浮点数
X = np.array(inputs.to_numpy(dtype=float))# 将输出标签outputs转换为NumPy数组,并指定数据类型为float
# to_numpy()函数将DataFrame转换为数组,dtype=float确保数据类型为浮点数
y = np.array(outputs.to_numpy(dtype=float))(array([[3., 1., 0.],[2., 0., 1.],[4., 0., 1.],[3., 0., 1.]], dtype=float64),array([127500., 106000., 178100., 140000.], dtype=float64))

热编码(One-Hot Encoding)是一种处理分类数据的方法,常用于机器学习和统计分析中。其目的是将分类变量(如文本或标签)转换为一种格式,使得这些变量可以被算法有效处理。

http://www.dinnco.com/news/35358.html

相关文章:

  • 常用的网页编辑软件是什么seo sem
  • 个人怎么开网站线上营销渠道有哪些
  • 广州沙河一起做网站搜索图片识别
  • 常用分类信息网站怎么做网页
  • 网站备案协议书代写文章接单平台
  • iis默认网站启动不了品牌形象推广
  • 教育类网站怎么做优化营销型网站建设应该考虑哪些因素
  • 杭州 网站程序网站快速排名推广软件
  • 企业收录网站有什么用域名查询网
  • 咋做网站代码背景图移动端优化
  • 免费网站制作软件有哪些精准数据营销方案
  • 网站建设过程和准备阶段企业关键词排名优化网址
  • 柒零叁网站建设湖南长沙torrentkitty搜索引擎
  • 青岛网站厉害的公司新媒体运营是做什么
  • 做网站好用的软件百度网盘人工客服电话多少
  • 杭州网站建设培训班微信小程序怎么开通
  • 做行业门户网站注意什么百度极速版app下载安装挣钱
  • 设计企业网站主页图片江苏网站seo营销模板
  • 网站建设商城商城网站建设多少钱南京谷歌推广
  • 国外财经网站是怎么做的苏州seo网站管理
  • 网页设计首页子页南宁排名seo公司
  • 网站建设规划书ppt国外网站加速
  • 武汉网站设计台州公司seo优化易下拉排名
  • 深圳网站建设推广方法广告公司业务推广
  • 手机模板网站下载太原关键词排名优化
  • 哪个网站做免费小程序seo点击工具帮你火21星热情
  • 做胃肠科网站兴安盟新百度县seo快速排名
  • 网站mssql 导出数据网络营销师证书有用吗
  • 网站在线咨询系统山东建站管理系统
  • 永久免费的网站空间seo优化培训班