利用tensorflow实现归一化
training_set已设置好
sc = MinMaxScaler(feature_range=(0, 1)) # 定义归一化:归一化到(0,1)之间
training_set_scaled = sc.fit_transform(training_set) # 求得训练集的最大值,最小值这些训练集固有的属性,并在训练集上进行归一化
reshape函数
形式一:
x=***
x.reshape(a,b,……)
表示在原来的张量x的基础上将形状变换为新的几行几列。若括号中出现-1,表示这行或列消失。
形式二:
np.reshape(x,(a,b,c……)
表示将x重塑为(a,b,c……)维度。
len函数
len(对象)
返回对象(列表,数组,字符串)的长度或者项目个数;
打印时不出现省略号
pd.options.display.max_columns = None
pd.options.display.max_rows = None
np.set_printoptions(threshold=np.inf)
np.random.shuffle()
在进行标签和数据的混洗打乱过程中,需要每个都设置一个seed ,这样能保证数据和标签才能对应不出错。