![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数据处理
文章平均质量分 88
lechuan_dafo
这个作者很懒,什么都没留下…
展开
-
【数据处理】数据集划分、打乱(shuffle)、以及keras里K-折交叉验证
前言 在进行机器学习的时候,本质上都是在训练模型,而训练模型都离不开对数据集的处理。往往在模型表现不佳或难以再提升的情况下,进行一定的处理,科学的训练会使模型再更进一步。目录前言1 数据集划分1.1 常规理解1.2 自己理解2 打乱(shuffle)2.1 numpy里的shuffle2.2 keras里的shuffle2.3 sklearn里的shuffle ★2.4 代码(2.1和2.3两种)3 keras里进行K-折交叉验证3.1 K-折交叉验证3.2 keras模型实现K折交叉验证3.3 完整原创 2020-06-27 16:11:16 · 21229 阅读 · 4 评论 -
【数据处理】 python 极速极简画图——折线图
说明 画图总结,同系列其他文章请浏览:【数据处理】 python 极速极简画图(黑白)——简单条形图、多维并列条形图【数据处理】 python 极速极简画图——频数(率)分布直方图【数据处理】 python 极速极简画图——二维连线、散点图代码from matplotlib import pyplotimport matplotlib.pyplot as pltfrom py...原创 2020-01-13 16:19:33 · 1115 阅读 · 0 评论 -
【数据处理】 python 极速极简画图(黑白)——简单条形图、多维并列条形图
说明 一般做完实验就是画图,实验结果多采用条形图,这里整理下自己的画图模板。图是否丰富是由数据的维度来支撑的,这里按数据维度的大小画出简单条形图与多维并列条形图,注释很详细,直接上代码。 论文画图一般要求:全英,标题首字母大写,实词大写一般不为彩印,因此要以黑白填充为主简单条形图 此模板X和Y都是1维的,适用于在横坐标的数据集下,单个方法在单个问题上的表现。import n...原创 2019-12-25 12:16:01 · 2587 阅读 · 1 评论 -
【数据处理】 python 极速极简画图——频数(率)分布直方图
说明 当我们拿到数据的时候,第一时间就是想知道数据的特点,然鹅单个的数值如平均数、中位数仍不够直观,我们更想得到数据的分布,以便后续的工作,此时就可以采用频数(率)分布直方图。这里以我的一个实际问题为例,一步步讲如何得到想要的图,分为极简版、完整版和进阶版。方法 用python实现直方图画法有很多种: 1. 纯python自己编写 2. matplotlib.pyplot,调...原创 2019-12-13 15:05:44 · 32570 阅读 · 4 评论 -
【数据处理】 python 极速极简画图——二维连线、散点图
python 极速极简画图——二维连线、散点图说明 在一些作业或建模中经常要画图,自己百度的时候总要看好几个才画出来,后面有非专业的人找我画图,这里自己总结一个简单又快速的,适合萌新和非专业的人使用。数据 其实就两列。代码 直接上代码,注释很详细。# -*- coding: utf-8 -*-"""Created on Fri Nov 8 11:46:41 2019...原创 2019-11-30 14:45:04 · 8488 阅读 · 1 评论 -
【数据处理】 python 常用操作整理
这是本人在数据分析中,记不住,反复查询的一些命令汇总,在此做个归纳汇总,并不定期更新。原创 2019-11-05 17:27:00 · 839 阅读 · 1 评论 -
【数据处理】 python 基于Basemap地理信息可视化
数据 在某些建模比赛中,经常碰见一些地理信息的数据,它们大多都是车辆在驾驶过程中随时间产生的经纬度序列,并伴随着车辆的各种参数。由于GPS信号并不是一直都很好(如过隧道或偏远地区),无论建模的问题是安全驾驶、驾驶工况或频繁路径挖掘等,都绕不过数据预处理,而地理信息可视化可以较为直观地帮助发现问题和评估效果。 下面以一辆车地行驶数据为例,对其行驶轨迹进行可视化处理。数据和代码下载可见我的Gi...原创 2019-09-28 12:00:48 · 1934 阅读 · 10 评论 -
【数据处理】 python 基于Folium地理信息可视化
数据 在某些建模比赛中,经常碰见一些地理信息的数据,它们大多都是车辆在驾驶过程中随时间产生的经纬度序列,并伴随着车辆的各种参数。由于GPS信号并不是一直都很好(如过隧道或偏远地区),无论建模的问题是安全驾驶、驾驶工况或频繁路径挖掘等,都绕不过数据预处理,而地理信息可视化可以较为直观地帮助发现问题和评估效果。 本篇为可视化第二篇,关于所用的数据集见姊妹篇 python 基于Basemap地理...原创 2019-09-28 12:30:30 · 2795 阅读 · 3 评论