99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話：13121318867

登錄
首頁(yè)精彩閱讀數(shù)據(jù)預(yù)處理和挖掘究竟該怎么做
數(shù)據(jù)預(yù)處理和挖掘究竟該怎么做
2017-11-24
收藏

數(shù)據(jù)預(yù)處理和挖掘究竟該怎么做

在這個(gè)充斥著懷疑和謊言的網(wǎng)絡(luò)世界中，數(shù)據(jù)即真相。海量的原始數(shù)據(jù)正以驚人的速度增長(zhǎng)，其中大部分都是非結(jié)構(gòu)化的，但是通過(guò)運(yùn)用分析我們可以發(fā)現(xiàn)其中重要的規(guī)律和線索以及隱藏在數(shù)字背后的含義。今天我們將學(xué)習(xí)如何預(yù)處理數(shù)據(jù)，這是重要也最容易忽視的步驟之一，關(guān)鍵點(diǎn)如下：

預(yù)處理數(shù)據(jù)集有三步：清洗、轉(zhuǎn)換和簡(jiǎn)化
深度學(xué)習(xí)可以自己從數(shù)據(jù)集中找到相關(guān)特征
PCA是常用的降維方法之一，可以通過(guò)Scikit-learn中模塊操作
數(shù)據(jù)預(yù)處理的三個(gè)核心步驟是：清洗，轉(zhuǎn)換，簡(jiǎn)化。
例子中的第一個(gè)數(shù)據(jù)集與音樂(lè)相關(guān)，是通過(guò)一款名為“Tag A Tune”的小游戲搜集的（玩法請(qǐng)自行百度）。數(shù)據(jù)集里有25,000首歌以及正確的標(biāo)簽。我們想以此數(shù)據(jù)集作為一個(gè)訓(xùn)練樣本來(lái)建立一個(gè)可以區(qū)分歌曲所屬標(biāo)簽種類(lèi)的模型。
先導(dǎo)入Pandas來(lái)分析這個(gè)數(shù)據(jù)，通過(guò)讀取CSV函數(shù)來(lái)導(dǎo)入數(shù)據(jù)，它將在pandas中創(chuàng)建一個(gè)數(shù)據(jù)框。這個(gè)數(shù)據(jù)框很容易修改，我們將它命名為newdata。將head函數(shù)中參數(shù)設(shè)置為5，可以顯示數(shù)據(jù)的頭5條記錄。每一行都被排了序，每首歌都有一個(gè)id，每個(gè)標(biāo)簽的值為0或者1，代表這首歌是否有這個(gè)標(biāo)簽。
通過(guò)info()函數(shù)來(lái)獲取關(guān)于數(shù)據(jù)的更多信息，數(shù)據(jù)大小只有38MB。每個(gè)標(biāo)簽都有一個(gè)簡(jiǎn)單的二元取值，幸運(yùn)的是每個(gè)字段也沒(méi)有空值，可以直奔第二步：數(shù)據(jù)轉(zhuǎn)換。
很多標(biāo)簽聽(tīng)上去很類(lèi)似，例如女歌手，女聲，可以將它們統(tǒng)一歸為一個(gè)特征”女“。我們可以為數(shù)據(jù)中的同義詞創(chuàng)建一個(gè)二維列表，然后將它們合并到只剩第一列。對(duì)于列表中的每一組同義詞，將每一特征的最大值保留下來(lái)。對(duì)于數(shù)據(jù)中的同義詞，可以有效地把一組同義詞合并為一列，然后刪掉其他類(lèi)似的詞，這樣可以得到更規(guī)范的特征。在數(shù)據(jù)簡(jiǎn)化過(guò)程中，我們可以刪除那些不需要的信息。接下來(lái)我們可以準(zhǔn)備模型用到的訓(xùn)練集和測(cè)試集。
有一點(diǎn)需要注意，在整個(gè)過(guò)程中我們并沒(méi)有考慮哪些特征要用，哪些不用。在沒(méi)有深度學(xué)習(xí)的時(shí)候，我們需要先選擇合適的特征來(lái)喂一個(gè)模型。但是深度學(xué)習(xí)不需要我們?cè)僮孕泻Y選特征了，它會(huì)根據(jù)我們放入模型的數(shù)據(jù)集，決定哪些與問(wèn)題相關(guān)。在深度學(xué)習(xí)中，常說(shuō)架構(gòu)工程是新的特征工程。
第二個(gè)例子中的數(shù)據(jù)集是關(guān)于網(wǎng)絡(luò)連接，網(wǎng)絡(luò)連接要么正常，要么異常。異常連接是由于有入侵導(dǎo)致。我們想通過(guò)一系列特征判定網(wǎng)絡(luò)連接正?；虍惓?。當(dāng)我們檢查該數(shù)據(jù)的時(shí)候，數(shù)據(jù)中沒(méi)有空值，也沒(méi)有異常值。因此，可以直接跳過(guò)清理數(shù)據(jù)一步，直接進(jìn)行數(shù)據(jù)轉(zhuǎn)換。
數(shù)據(jù)集中數(shù)值型變量的范圍差異較大，需要先將這些變量進(jìn)行標(biāo)準(zhǔn)化，可以直接用Scikit-learn里面的Standard Scaler模塊對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化。標(biāo)準(zhǔn)化完畢后，接下來(lái)對(duì)數(shù)據(jù)進(jìn)行簡(jiǎn)化。數(shù)據(jù)中包含很多字段，其中有相當(dāng)一部分還是高度相關(guān)的。我們可以通過(guò)“降維”的方法將特征的總數(shù)減少，這樣也有利于將數(shù)據(jù)在2D或3D的空間中展示，但這并不保證模型的結(jié)果將更精準(zhǔn)，只是讓我們的數(shù)據(jù)更容易理解。
一種降維的方法是PCA(Principal Component Analysis)。數(shù)據(jù)有諸多特征，縮減它們只需要三步：首先是將數(shù)據(jù)標(biāo)準(zhǔn)化，然后計(jì)算相關(guān)系數(shù)矩陣，算出特征值和特征向量后進(jìn)行主成分排名。例如我們有四個(gè)特征，想通過(guò)PCA的方法將其減少至兩個(gè)，一共5個(gè)步驟：
將數(shù)據(jù)標(biāo)準(zhǔn)化
計(jì)算協(xié)方差矩陣
特征分解（Eigen decomposition）
構(gòu)成新投影矩陣(Projection Matrix)
通過(guò)這個(gè)矩陣來(lái)對(duì)原來(lái)數(shù)據(jù)進(jìn)行轉(zhuǎn)換
許多入門(mén)教程在導(dǎo)入數(shù)據(jù)時(shí)只教如何導(dǎo)入預(yù)處理過(guò)的數(shù)據(jù)，例如手寫(xiě)體數(shù)字或者電影評(píng)分數(shù)據(jù)，用一行代碼就能搞定，但實(shí)際操作沒(méi)那么簡(jiǎn)單。遇到實(shí)際問(wèn)題，都需要先找到正確的數(shù)據(jù)集，最終預(yù)測(cè)的結(jié)論依賴于最初導(dǎo)入的數(shù)據(jù)。所謂：種瓜得瓜，種豆得豆。


數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼

若不方便掃碼，搜微信號(hào)：CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1：配置參數(shù) // 參數(shù)2：回調(diào)，回調(diào)的第一個(gè)參數(shù)驗(yàn)證碼對(duì)象，之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個(gè)配置參數(shù)為必須，不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺(tái)檢測(cè)極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時(shí)表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式，包括：float，popup width: "280px", https: true // 更多配置參數(shù)說(shuō)明請(qǐng)參見(jiàn)：http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計(jì)時(shí)完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請(qǐng)輸入'+oInput.attr('placeholder')+'！'; var errTxt = '請(qǐng)輸入正確的'+oInput.attr('placeholder')+'！'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }