preprocessing

机器学习数据预处理（sklearn库系列函数）

【1】sklearn.preprocessing.PolynomialFeaturesPolynomialFeatures有三个参数degree：控制多项式的度interaction_only：默认为False
H-T-TYSK·2020-08-10 12:23

提示"UnicodeDecodeError: 'gbk' codec can't decode byte 0x80 in position 205: illegal multibyte sequenc

gbk'codeccan'tdecodebyte0x80inposition205:illegalmultibytesequence"原程序为：importpicklef=open('C:/Users/Administrator/Desktop/preprocessing.pkl
马飞飞·2020-08-09 22:12

【创新实训】风格迁移功能探索与实现（三） tensorflow系统设计与模型定义

完成了工程设计和部分代码（model.py）的实现工程项目文件说明：loss_model_ckpt文件夹是存放loss_model的ckpt文件的，具体来说就是VGG_16.ckpt文件nets是存放vgg的网络模型的preprocessing
一鸣鸣·2020-08-08 19:57

Keras 使用自己的数据集进行训练和测试

fromPILimportImageimportmatplotlib.pyplotaspltimportos,sysfromkeras.preprocessing.imageimportImageDataGenerator
zhicheng_gogogo·2020-08-07 22:11

d2

load_bostonfromsklearn.model_selectionimporttrain_test_split,GridSearchCVfromsklearn.neighborsimportKNeighborsClassifierfromsklearn.preprocessing
sevieryang·2020-08-07 17:50

FFMPEG SDK 开发介绍

使用ffmpeg能够完成如下功能:parse,demux,decode,filter(preprocessing),encode,mu
henryjee·2020-08-07 14:30

AI医生诊断肺炎

导入库让我们加载一些重要的库：fromkeras.preprocessing.imageimportImageDataGenerator,load_im
磐创 AI·2020-08-06 11:40

Jsnark building circuits for preprocessing zk-SNARKs 学习笔记

Thejsnarkprojectusesanintermediateassembly-ishlanguagetoallowthecircuitstobeimportedintolibsnark:https://github.com/akosba/libsnark/blob/fde8599fc047e9d681ee8f8325913c76de389b55/src/interface/CircuitR
mutourend·2020-08-05 10:21

GCC编译过程 与 动态链接库和静态链接库

C++源文件到可执行文件过程源程序预处理－>编译和优化－>汇编－>链接－>可执行文件1.预处理(Preprocessing)读取源程序，对其中的伪指令（以#开头的指令（宏定义、条件编译指令、头文件包含指令
tony__lin·2020-08-05 02:15

Chapter 2 Data Exploration

目录1.WhatisData：A.DataTypesB.RecordDataC.TypesofAttributes2.DataExploration：A.AboutDataQualityB.Preprocessing①Quality②Sampling③AttributeSelection④DimensionalityReduce⑤Discretization
Gaoithe·2020-08-04 18:21

gcc编译c语言程序

执行过程虽然我们称Gcc是C语言的编译器，但使用gcc由C语言源代码文件生成可执行文件的过程不仅仅是编译的过程，而是要经历四个相互关联的步骤∶1.预处理(也称预编译，Preprocessing):命令gcc
yujin735·2020-08-04 12:40

scikit-learn进行数据预处理

数据预处理sklearn.preprocessing包:preprocessing.Binarizerpreprocessing.FunctionTransformerpreprocessing.Imputerpreprocessing.KernelCentererpreprocessing.LabelBinarizerpreprocessing.LabelEncoderpreprocessing
lbywyj·2020-08-03 18:50

FieldTrip toolbox教程系列(1)-预处理-读取连续的EEG和MEG数据

介绍ft_preprocessing的一种常见用法是完全读取内存中的连续数据。如果数据集相对较小并且计算机具有足够的内存来一次将所有数据保存在内存中，则利用ft_
脑机接口社区·2020-08-03 09:17

C编程笔录（一）1.2： C编程的源文件到可执行程序文件的编译过程

C编程的源文件到可执行程序文件的编译过程可分解为四个步骤：预处理（Preprocessing）、编译（Compilation）、汇编（Assembly）、链接（Linking）。
Fanrncho·2020-08-01 14:14

Scikit-learn API：SimpleImputer类(原sklearn.preprocessing.Imputer类) 处理缺失值

scikit-learn提供了简单易用的方法进行缺失值的处理，使用SimpleImputer实例，我们可以指定用什么样的数值（例如中位数）填充某属性中的缺失值。函数原型和参数说明SimpleImputer类的属性和方法应用举例>>>importnumpyasnp>>>fromsklearn.imputeimportSimpleImputer>>>imp_mean=SimpleImputer(mis
Wang_PChao·2020-08-01 10:42

sklearn数据预处理和特征工程

文章目录1数据挖掘的五大流程2sklearn中数据处理和特征工程的模块3数据预测处理Preprocessing和Impute3.1数据无量纲化3.2缺失值3.3处理分类型特征3.4处理连续型特征：二值化和分箱
yctjin·2020-08-01 07:47

PolynomialFeatures 来构建特征

使用sklearn.preprocessing.PolynomialFeatures来进行特征的构造它是使用多项式的方法来进行的，如果有a，b两个特征，那么它的2次多项式为（1，a，b，a的平方，ab,
鼬神·2020-08-01 05:28

PolynomialFeatures多项式转换

使用sklearn.preprocessing.PolynomialFeatures来进行特征的构造。
谨慎殷勤·2020-08-01 05:36

Halcon学习 多层神经网络

/为分类和回归创建一个多层感知器//参数说明：NumInput输入变量的个数,NumHidden隐藏层的单元数,NumOutput输出变量的数目,OutputFunction输出层激励函数的类型,//Preprocessing
JF_Ma·2020-08-01 01:46

sklearn.preprocessing.PolynomialFeatures 实例理解

使用sklearn.preprocessing.PolynomialFeatures来进行特征的构造。
ssdut_209·2020-08-01 00:09

交互特征与多项式特征

对于给定的特征x，我们可以考虑x，x**2、x**3等，可用preprocessing模块的PolynomialFeatures实现。同样采用wave数据集进行分析。
Taohongfei_huster·2020-07-31 23:11

利用sklearn.preprocessing.PolynomialFeatures生成交叉特征

当我们使用一次多项式拟合一组数据时，可能不太理想，如下图：如果用直线来进行拟合的话：如果用三次函数来拟合的话：如何用python的sklearn库来做呢？importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltfromsklearn.preprocessingimportPolynomialFeaturesfromsklearn.lin
code随笔·2020-07-31 23:53

sklearn.preprocessing.PolynomialFeatures类的使用

在之前的代码中多次出现了使用sklearn.pipeline.Pipeline和sklearn.preprocessing.PolynomialFeatures这两个类。
panghaomingme·2020-07-31 20:14

python3机器学习——sklearn0.19.1版本——数据处理（二）（多项式、pipeline、分类模型评价标准）

一、数据变换——多项式sklearn.preprocessing.PolynomialFeatures类实现多项式的数据转换。用于产生多项式，并且多项式包含的是相互影响的特征集。
loveliuzz·2020-07-31 19:11

机器学习特征工程经验总结二

-------------------如何做特征处理和构建特征处理和构建一般对以下几种数据类型做处理：数值型类别型时间型文本型统计型组合特征一、数值型1幅度调整/归一化：python中会有一些函数比如preprocessing.MinMaxScaler
levy_cui·2020-07-31 19:15

sklearn.preprocessing.PolynomialFeatures

多项式生成函数：sklearn.preprocessing.PolynomialFeatures(degree=2,interaction_only=False,include_bias=True)参数说明
每天进步一点点2017·2020-07-31 19:14

1、sklearn中Polynomialfeatures的用法最直观说明

使用sklearn.preprocessing.PolynomialFeatures来进行特征的构造。
hushenming3·2020-07-31 18:17

sklearn.preprocessing.PolynomialFeatures的简单使用

classsklearn.preprocessing.PolynomialFeatures(degree=2,interaction_only=False,include_bias=True)：此类使用来生成交叉特征的
暴走的柿子·2020-07-31 16:05

BAT机器学习特征工程工作经验总结(三)如何做特征处理和构建（附python代码）

特征处理和构建一般对以下几种数据类型做处理：数值型类别型时间型文本型统计型组合特征2.1数值型1幅度调整/归一化：python中会有一些函数比如preprocessing.MinMaxScaler()将幅度调整到
weixin_bread2008·2020-07-31 13:21

特征工程——特征交叉、交叉特征、特征组合

这里就附上几个连接：特征组合&特征交叉(FeatureCrosses)结合sklearn进行特征工程对于特征离散化，特征交叉，连续特征离散化非常经典的解释下面说怎样制作和交叉特征：多项式生成函数：sklearn.preprocessing.PolynomialFeatures
Macan_ML·2020-07-31 12:49

5、利用MLP（多层感知器）创建一个新的OCR分级器；

分级器；create_ocr_class_mlp(:WidthCharacter,HeightCharacter,Interpolation,Features,Characters,NumHidden,Preprocessing
张远东·2020-07-31 12:48

第四章 使用PolynomialFeatures来构建特征

使用sklearn.preprocessing.PolynomialFeatures来进行特征的构造。
xtiange·2020-07-31 12:54

Keras（六）——Preprocessing大纲

PreprocessingSequencePreprocessingTimeseriesGenerator——批量生成时序数据pad_sequences——将多个序列截断或补齐为相同长度skipgrams——生成skipgram词对make_sampling_table——生成一个基于单词的概率采样表TextPreprocessingTokenizer——文本标记实用类hashing_trick—
Like_Frost·2020-07-30 21:34

sklearn库学习笔记1——preprocessing库

本次主要学习sklearn的preprocessing库：用来对数据预处理，包括无量纲化，特征二值化，定性数据量化等。
wateryouyouyou·2020-07-30 20:45

数据预处理（sklearn.preprocessing）

PolynomialFeatures）8.自定义转换器（FunctionTransformer）总结前言数据预处理的工具有许多，在我看来主要有两种：pandas数据预处理和scikit-learn中的sklearn.preprocessing
不会写作文的李华·2020-07-30 20:19

sklearn学习（模块列表）

A.classification(分类)B.regression(回归)C.Clustering(聚类)D.dimensionalityreduction(降低维度)E.modelselection(模型选择)F.Preprocessing
marui1982·2020-07-30 19:47

Sklearn安装

包含了很多机器学习的方式：Classification分类Regression回归Clustering非监督分类Dimensionalityreduction数据降维ModelSelection模型选择Preprocessing
john_bh·2020-07-30 19:31

python有关数据预处理的库

1、sklearn.preprocessing数据预处理StandardScaler：如果某个特征的方差远大于其它特征的方差，那么它将会在算法学习中占据主导位置，导致我们的学习器不能像我们期望的那样，去学习其他的特征
吉吉的奥利奥·2020-07-30 12:00

keras很方便的读取自己的数据集方法 train_datagen.flow_from_directory

keras.preprocessing.image.ImageDataGenerator.flow_from_directory具体参数见keras官方文档:https://keras-cn.readthedocs.io
Fighting_y·2020-07-30 11:10

C++设计模式——模板方法（Template Method）

例如一个算法（如聚类算法）可能包含初始化（initialization）、迭代（iteration）以及后处理（post-preprocessing）
Inside_Zhang·2020-07-30 08:45

pycuda.driver.CompileError: nvcc preprocessing of...\tmpsn7593_v.cu failed

在开始接触Pycuda这个库的时候，按照教程敲了一段小代码，然后再运行，直接给我报这个错，然我一脸懵逼。这问题无法解决，那么就不会想pycuda咋用了。然后就开始了，还好，找到了解决方案。究其根本，就是cl.exe这个文件他找不到，按照网上其他教程，是将cl.exe的路径添加到系统变量中，但是我的vs2017找不到那些教程中的路径，不知道是不是由于我把vs2015删了的原因，而我又不愿重新装vs,
雅痞匪徒(Nike)·2020-07-30 06:27

Dogs vs. Cats Redux: Kernels Edition

训练样本数量超过内存，采用python生成器基于keras+tensorflow+Resnet-34直接上代码#coding=utf-8importnumpyasnpimportosimportrefromkeras.preprocessing.imageimportload_img
wmy199216·2020-07-30 05:37

关于数据统计

只有分析清楚数据的特点，才能选择合适的处理方法以得到合适的数据集feedthenetwork.相关资料：1.dicom数据处理示例https://www.kaggle.com/akh64bit/full-preprocessing-tutorial2
祝小梦·2020-07-30 04:26

scikit-learn Preprocessing学习笔记（二）

Preprocessing是Pythonscikitlearn第六个模块，主要介绍了如何对于数据集的预处理。以下内容包含了一些个人观点和理解，如有疏漏或错误，欢迎补充和指出。
飞奔的熊猫·2020-07-30 01:17

scikit-learn Preprocessing学习笔记（一）

Preprocessing是Pythonscikitlearn第六个模块，主要介绍了如何对于数据集的预处理。以下内容包含了一些个人观点和理解，如有疏漏或错误，欢迎补充和指出。
飞奔的熊猫·2020-07-30 01:16

scikit-learn官方文档-preprocessing data(数据预处理)

一、标准化，均值和方差缩放数据集的标准化是许多在scikit-learn中实现的机器学习估计器的普遍要求。如果单个特征或多或少看起来不像标准正态分布数据，则它们的性能可能会很差。标准正态分布的定义：平均值和单位方差为零的高斯。在实践中，我们经常忽略分布的形状，而只是通过删除每个特征的平均值来变换数据以使其居中，然后通过将非恒定特征除以它们的标准偏差来缩放它。例如，学习算法的目标函数中使用的许多元素
TIAN_R·2020-07-29 21:27

Scikit-learn：数据预处理Preprocessing data

http://blog.csdn.net/pipisorry/article/details/52247679本blog内容有特征预处理（标准化、归一化、正则化、特征二值化、缺失值处理）和标签label预处理（label二值化、multi-label多值化）。特征的预处理基础知识参考[数据标准化/归一化normalization][均值、方差与协方差矩阵][矩阵论：向量范数和矩阵范数]Note:一
-柚子皮-·2020-07-29 21:46

pandas 基础设置(pd.values) data_preprocessing(缺失值)

本文是在做毕业设计预处理(缺失值)部分的实践参考pandas官方文档df.values#例子1>>>df2=pd.DataFrame([('parrot',24.0,'second'),...('lion',80.5,1),...('monkey',np.nan,None)],...columns=('name','max_speed','rank'))>>>df2.dtypesnameobjec
志yu·2020-07-29 19:07

DataMining(2)_Data Preprocessing

DataQuality:WhyPreprocesstheData?Accuracy:correctorwrong,accurateornotCompleteness:notrecorded,unavailableConsistency:somemodifiedbutsomenot,danglingTimeliness:timelyupdate?Believability:howtrustablet
franztao·2020-07-29 19:16

scikit-learn_data preprocessing

主要简单介绍sklearn中的数据预处理preprocessing模块可以对数据进行标准化,而preprocessing模块提供了数据预处理函数和预处理类，预处理类主要是为了方便添加到pipeline过程中
mengenqing·2020-07-29 14:55
上一页 10 11 12 13 14 15 16 17 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他