python – 预处理与tflearn一起使用的csv文件

2019年8月4日 50次阅读

我的问题是在将csv文件输入神经网络之前对其进行预处理.

我想在python 3中使用tflearn为着名的虹膜数据集构建一个深度神经网络.

数据集：http://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data

我正在使用tflearn来加载csv文件.但是,我的数据集的类列包含iris-setosa,iris-versicolor,iris-virginica等词.

Nueral网络仅适用于数字.所以,我必须找到一种方法来将类从单词更改为数字.由于它是一个非常小的数据集,我可以使用Excel /文本编辑器手动完成.我手动为不同的类分配了数字.

但是,对于我使用的每个数据集,我都不可能这样做.所以,我尝试使用pandas来执行一个热编码.

preprocess_data = pd.read_csv("F:\Gautam\.....\Dataset\iris_data.csv")
preprocess_data = pd.get_dummies(preprocess_data)

但是现在,我不能使用这段代码：

data, labels = load_csv('filepath', categorical_labels=True,
                     n_classes=3)

‘filepath’应该只是csv文件的目录,而不是像preprocess_data这样的任何变量.

原始数据集：

     Sepal Length  Sepal Width  Petal Length  Petal Width  Class
89            5.5          2.5           4.0          1.3  iris-versicolor
85            6.0          3.4           4.5          1.6  iris-versicolor
31            5.4          3.4           1.5          0.4  iris-setosa
52            6.9          3.1           4.9          1.5  iris-versicolor
111           6.4          2.7           5.3          1.9  iris-virginica

手动修改的数据集：

     Sepal Length  Sepal Width  Petal Length  Petal Width  Class
89            5.5          2.5           4.0          1.3      1
85            6.0          3.4           4.5          1.6      1
31            5.4          3.4           1.5          0.4      0
52            6.9          3.1           4.9          1.5      1
111           6.4          2.7           5.3          1.9      2

这是我的代码完美运行,但是,我手动修改了数据集.

import numpy as np
import pandas as pd
import tflearn
from tflearn.layers.core import input_data, fully_connected
from tflearn.layers.estimator import regression
from tflearn.data_utils import load_csv


data_source = 'F:\Gautam\.....\Dataset\iris_data.csv'

data, labels = load_csv(data_source, categorical_labels=True,
                         n_classes=3)


network = input_data(shape=[None, 4], name='InputLayer')

network = fully_connected(network, 9, activation='sigmoid', name='Hidden_Layer_1')

network = fully_connected(network, 3, activation='softmax', name='Output_Layer')

network = regression(network, batch_size=1, optimizer='sgd', learning_rate=0.2)

model = tflearn.DNN(network)
model.fit(data, labels, show_metric=True, run_id='iris_dataset', validation_set=0.1, n_epoch=2000)

我想知道在tflearn(或任何其他模块中)是否有任何其他内置函数,我可以使用它来修改我的类的值从单词到数字.我不认为手动修改数据集会很有效.

我也是tflearn和神经网络的初学者.任何帮助,将不胜感激.谢谢.

最佳答案 使用sklearn库中的标签编码器：

from sklearn.preprocessing import LabelEncoder,OneHotEncoder

df = pd.read_csv('iris_data.csv',header=None)
df.columns=[Sepal Length,Sepal Width,Petal Length,Petal Width,Class]

enc=LabelEncoder()
df['Class']=enc.fit_transform(df['Class'])
print df.head(5)

如果你想要One-hot编码,那么首先你需要labelEncode然后做OneHotEncoding：

enc=LabelEncoder()
enc_1=OneHotEncoder()
df['Class']=enc.fit_transform(df['Class'])
df['Class']=enc_1.fit_transform([df['Class']]).toarray()
print df.head(5)

这些编码器首先按字母顺序对单词进行排序,然后为它们分配标签.如果要查看为哪个类分配了哪个标签,请执行以下操作：

for k in list(enc.classes_) :
   print 'name ::{}, label ::{}'.format(k,enc.transform([k]))

如果要将此数据帧保存为csv文件,请执行以下操作：

df.to_csv('Processed_Irisdataset.csv',sep=',')
点赞