学习笔记：动手学深度学习 03 数据预处理

最新推荐文章于 2024-08-09 00:37:09 发布

进击的番茄~

最新推荐文章于 2024-08-09 00:37:09 发布

阅读量403

点赞数

文章标签：深度学习人工智能

本文链接：https://blog.csdn.net/weixin_43137437/article/details/121067021

版权

本文档展示了如何创建一个小型CSV数据集并进行预处理。首先，创建了一个包含房间数、巷子类型和房价信息的数据集。然后，通过pandas处理缺失值，使用列均值填充数值型缺失值，并对类别型数据进行独热编码。最后，将处理后的数据转换为张量格式，为后续的机器学习模型训练做准备。

摘要由CSDN通过智能技术生成

1.读取数据集

首先创建一个人工数据集，并存储在csv（逗号分隔值）文件../data/house_tiny.csv中。

os.makedirs(os.path.join('D:\d2l-zh','DATA'), exist_ok=True)
data_file = os.path.join('D:\d2l-zh','DATA', 'house_tiny.csv')
with open(data_file, 'w') as f:
    f.write('NumRooms,Alley,Price\n')  # 列名
    f.write('NA,Pave,127500\n')  # 每行表示一个数据样本
    f.write('2,NA,106000\n')
    f.write('4,NA,178100\n')
    f.write('NA,NA,140000\n')

'D:\d2l-zh','DATA' 可设置为你自己的相应路径

从创建的CSV文件中加载原始数据集，我们导入pandas包并调用read_csv函数。该数据集有四行三列。其中每行描述了房间数量（“NumRooms”）、巷子类型（“Alley”）和房屋价格（“Price”）。