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。但是，我的数据集的类列有 iris-setosa、iris-versicolor、iris-virginica 等词。

神经网络只能处理数字。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/text 编辑器手动完成。我为不同的类.

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 执行一次热编码。

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

但是现在，我无法使用这段代码：

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类的值从单词修改为数字。我不认为手动修改数据集会有成效。

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

最简单的解决方案是 map 乘以 dict 所有可能的值：

df['Class'] = df['Class'].map({'iris-versicolor': 1, 'iris-setosa': 0, 'iris-virginica': 2})
print (df)
   Sepal Length  Sepal Width  Petal Length  Petal  Width  Class
0            89          5.5           2.5    4.0    1.3      1
1            85          6.0           3.4    4.5    1.6      1
2            31          5.4           3.4    1.5    0.4      0
3            52          6.9           3.1    4.9    1.5      1
4           111          6.4           2.7    5.3    1.9      2

如果要通过所有唯一值生成 dictionary：

d = {v:k for k, v in enumerate(df['Class'].unique())}
print (d)
{'iris-versicolor': 0, 'iris-virginica': 2, 'iris-setosa': 1}

df['Class'] = df['Class'].map(d)
print (df)
   Sepal Length  Sepal Width  Petal Length  Petal  Width  Class
0            89          5.5           2.5    4.0    1.3      0
1            85          6.0           3.4    4.5    1.6      0
2            31          5.4           3.4    1.5    0.4      1
3            52          6.9           3.1    4.9    1.5      0
4           111          6.4           2.7    5.3    1.9      2

Answer 2

使用来自 sklearn 库的标签编码器：

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 encoding 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，然后为其分配标签。如果您想查看哪个标签分配给哪个 class，请执行：

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=',')

预处理 csv 文件以与 tflearn 一起使用

Preprocessing csv files to use with tflearn

python

pandas

machine-learning

neural-network

tflearn