- 博客(6)
- 收藏
- 关注
原创 数据预处理
对于时序数据异常值的处理,可以采用类似于非时序数据的方法,例如删除、标记或替换异常值。例如,删除异常值可能会破坏时间序列中的时序关系,标记异常值可能会影响后续模型的训练和预测,替换异常值可能会影响时间序列中的趋势和季节性等。这些算法可以帮助识别和处理异常值,并提供更全面的异常检测和处理方法。这些值可能是数据输入错误,或者来自异常情况,或者是真实数据的一部分,但是它们可以影响数据的分布和统计推断。3. 替换异常值:如果异常值是由于数据输入错误导致的,则可以考虑将其替换为合适的值。
2023-07-20 19:57:11
98
1
原创 深度学习训练落地实战一(ANN)
首先,我们从Excel文件中读取数据集,并将速度列作为预测目标。然后,我们将数据归一化,并分割训练集和测试集。首先,我们需要安装所需的库。然后,我们定义损失函数(MSE损失)和优化器(Adam)以训练模型。在训练过程中,我们会输出每100个epoch的损失值。输入层的大小等于特征数,隐藏层的大小设置为128,输出层的大小设置为1,因为我们只预测一个值(速度)。训练结束后,我们评估模型性能(R2、MSE、MAE值),并绘制图表展示预测值和实际值。接下来,我们构建一个ANN模型,它由一个输入层(
2023-05-22 14:53:57
284
1
原创 异常值处理方法一(深度学习数据集)
这些是一些常用的处理异常值的方法,你可以根据具体情况选择适合你的特征和数据集的方法。请注意,在处理异常值之前,建议先对数据进行详细的分析和评估,并根据领域知识和专业判断来确定最佳的处理策略。- 替换异常值:将超过阈值的异常值替换为合适的值,如中位数、均值或其他合适的估计值。- 离散点标记:将超过阈值的异常值标记为特定的值,以表示其与其他数据点的不同。3.确定异常值的阈值:根据特征的具体情况,选择一个合适的阈值来定义异常值。2.选择要处理的特征列:根据你的需求,选择要处理异常值的特征列。
2023-05-22 12:29:02
281
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人