python - 预处理 csv 文件以与 tflearn 一起使用

Question

我的问题是关于在将 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 为著名的鸢尾花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 加载 csv 文件。然而，我的数据集的类列有 iris-setosa、iris-versicolor、iris-virginica 等词。

神经网络只处理数字。所以，我必须找到一种方法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。我为不同的类(class)手动分配了编号。

但是，我不可能对我使用的每个数据集都这样做。因此，我尝试使用 pandas 执行一种热编码。

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，运行完美，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 tflearn(或任何其他模块)中是否有任何其他内置函数可用于将我的类的值从单词修改为数字。我认为手动修改数据集不会有成效。

我也是 tflearn 和神经网络的初学者。任何帮助，将不胜感激。谢谢。

Answer 1

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。如果您想查看哪个标签分配给哪个类，请执行以下操作:

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

如果要将此数据框保存为 csv 文件，请执行以下操作:

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