李宏毅机器学习hw1

最新推荐文章于 2022-09-23 00:07:39 发布

老问题

最新推荐文章于 2022-09-23 00:07:39 发布

阅读量898

点赞数

分类专栏： ML 文章标签：机器学习 python numpy 深度学习人工智能

本文链接：https://blog.csdn.net/qq_32511479/article/details/109518573

版权

这篇博客介绍了李宏毅机器学习课程的作业一，内容涉及线性回归。作业包括读取和清洗数据，提取特征，数据标准化，训练模型以及测试。数据处理中，博主将原始数据转换为适合线性回归的格式，并利用前9小时的数据预测第10小时的PM2.5浓度。

摘要由CSDN通过智能技术生成

Homework1：Liner Regression

作业链接：http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML20.html

1.读取数据和数据清洗

import sys
import numpy as np
import pandas as pd

data = pd.read_csv('hwdata/hw1/train.csv',encoding = 'big5')

data = data.iloc[:,3:]#前3列数据去掉
data[data == 'NR'] = 0
raw_data = data.to_numpy()#转化为numpy数组

2.提取特征

month_data = {}

for month in range(12):
    sample = np.empty([18,480])
    for day in range(20):
        sample[ : , 24 * day : 24 * (day + 1)] = raw_data[18 * (20 * month + day) : 18 * (20 * month + day + 1), : ]
    month_data[month] = sample

用sample作为一个18X480的数据块，而month_data里有12个这样的数据块（12代表月份，18是特征值，480是 20天X24小时）

raw_data是（18X20天X12个月） X 24 的数组放置的数据，要将它变为month_data这种每一个月就是一个18X480的数据块

sample[ : , 24 * day : 24 * (day + 1)] = raw_data[18 * (20 * month + day) : 18 * (2