误差补偿

本笔记本介绍了从数据清洗、模型训练到模型部署的一套完整流程，并且提供了一套基本的误差补偿模型。根据指令对本笔记本中的相应代码区域进行修改并执行，即可生成并且部署一套误差补偿服务。同学们需要根据实际的数据情况，对模型进行调优。

预处理

我们的误差补偿数据存放在adjustments.tsv中。

首先，我们查看adjustments.tsv的内容：

In [59]:

import numpy as np

import pandas as pd

raw_dataset = pd.read_csv('./adjustment.tsv',                                               

                          sep='\t',

                          skipinitialspace=True)

np.set_printoptions(precision=3, suppress=True)

dataset = raw_dataset.copy()

dataset.head()

​

Out[59]:

	特征0	特征1	特征2	特征3	特征4	特征5	特征6	特征7	特征8	特征9	...	特征16	特征17	补偿0	补偿1	补偿2	补偿3	补偿4	补偿5	补偿6	补偿7
0	7.4	0.048	1.19	1.47	0.23	0.54	0.27	5.75	0.65	0.71	...	0.07	0.62	1.23	0.88	0.73	0.19	1.67	0.36	1.58	1.62
1	3.7	NaN	1.87	0.18	0.94	0.70	0.07	5.20	0.73	0.59	...	0.91	0.89	0.99	1.11	0.13	0.18	1.33	0.86	1.22	1.30
2	1.2	0.046	1.97	1.17	0.67	0.89	0.60	2.10	0.97	0.14	...	0.80	0.69	1.85	0.13	1.54	1.91	0.63	0.70	1.71	1.57
3	7.2	0.053	1.17	2.13	0.82	0.18	0.17	5.30	0.27	0.46	...	0.37	0.37	1.72	0.58	1.03	1.77	0.86	1.65	1.95	1.37
4	1.8	0.021	1.89	0.42	0.20	0.92	0.80	1.60	0.20	0.70	...	0.50	0.68	0.83	0.09	0.94	0.49	1.87	1.21	1.53	1.56

5 rows × 26 columns

可以看出，adjustments.tsv文件的前18列为特征值，这些值代表着真实世界中影响机床的环境因素，例如刀具磨