点数信息
www.dssz.net
注册会员
|
设为首页
|
加入收藏夹
您好,欢迎光临本网站!
[请登录]
!
[注册会员]
!
首页
移动开发
云计算
大数据
数据库
游戏开发
人工智能
网络技术
区块链
操作系统
模糊查询
热门搜索:
源码
Android
整站
插件
识别
p2p
游戏
算法
更多...
在线客服QQ:632832888
当前位置:
资源下载
搜索资源 - 数据缺失处理
下载资源分类
移动开发
开发技术
课程资源
网络技术
操作系统
安全技术
数据库
行业
服务器应用
存储
信息化
考试认证
云计算
大数据
跨平台
音视频
游戏开发
人工智能
区块链
在结果中搜索
所属系统
Windows
Linux
FreeBSD
Unix
Dos
PalmOS
WinCE
SymbianOS
MacOS
Android
开发平台
Visual C
Visual.Net
Borland C
CBuilder
Dephi
gcc
VBA
LISP
IDL
VHDL
Matlab
MathCAD
Flash
Xcode
Android STU
LabVIEW
开发语言
C/C++
Pascal
ASM
Java
PHP
Basic/ASP
Perl
Python
VBScript
JavaScript
SQL
FoxBase
SHELL
E语言
OC/Swift
文件类型
源码
程序
CHM
PDF
PPT
WORD
Excel
Access
HTML
Text
资源分类
搜索资源列表
R语言 对日期数据的缺失补全方法
主要是通过R语言,对日期数据进行处理,并补全缺失数据 rawdata<- read.csv("C:/Users/li/Desktop/ss.csv",fill=F) #提取数据 ss1,并组合数据------------------------------- ts1<-rawdata$ts1 ts11<-as.Date(ts1,'%Y/%m/%d') false<-is.na(ts11) ts21<-ts11[!false] ss1<-rawdata$SS1
所属分类:
讲义
发布日期:2017-08-30
文件大小:923
提供者:
qq_36813206
《RapidMiner数据分析与挖掘实战》第7章 数据预处理
在数据挖掘中,海量的原始数据中存在着大量不完整(有缺失值)、不一致、有异常的数据,严重影响到数据挖掘建模的执行效率,甚至可能导致挖掘结果的偏差,所以进行数据清洗就显得尤为重要,数据清洗完成后接着进行或者同时进行数据集成、转换、规约等一系列的处理,该过程就是数据预处理。数据预处理一方面是要提高数据的质量,另一方面是要让数据更好地适应特定的挖掘技术或工具。统计发现,在数据挖掘的过程中,数据预处理工作量占到了整个过程的60%。 数据预处理的主要内容包括数据清洗,数据集成,数据变换和数据规约。处理过程
所属分类:
算法与数据结构
发布日期:2018-06-30
文件大小:1048576
提供者:
qq_40370890
监控系统瓦斯浓度数据预处理方法的探讨
从监控系统数据的二次研发和数据挖掘对瓦斯浓度序列数据的需求入手,分别分析了数据缺失或者瓦斯浓度数据突然从正常变为零值,传输过程中电磁干扰造成的"冒大数"等现象和传感器做标校试验期间瓦斯浓度数据异常等3种常见的浓度数据失真现象。针对3种失真现象,分别提出了移动平均线处理方法、AR模型处理法和时间序列平滑移动法3种瓦斯浓度数据异常处理和补偿的方法,并对3种补偿方法所针对的不同异常情况进行了区别和分析。最后将时间序列平滑移动法的有效性和可行性就现场瓦斯浓度数据做了相应的验证,得出该方法处理结果误差较小
所属分类:
其它
发布日期:2020-05-11
文件大小:428032
提供者:
weixin_38645198
基于EM的岩移观测数据缺失的估算方法
在矿山采空区地表变形监测的工作中,数据缺失严重将会影响观测数据的正常处理与分析,因此,在分析实测数据之前有必要对其进行缺失值填补处理。以三道沟煤矿的观测数据为例,通过用最大似然估计(EM)和回归法分别进行缺失数据填补处理,对比分析可知,EM法填补的效果要优于回归法。
所属分类:
其它
发布日期:2020-05-05
文件大小:214016
提供者:
weixin_38640117
二维激光雷达室内定位数据预处理方法研究
文中针对二维激光雷达数据中存在的噪声、离散化误差以及数据缺失的问题,分别采用均值滤波法、欧氏距离分割法以及改进的动态阈值线特征提取法完成二维点云数据的预处理。利用实验对所采用方法的可行性和精度进行了分析评价,结果表明,即使采用廉价的二维激光雷达,也可获得亚分米级的匹配结果,能够满足一般室内定位的要求。
所属分类:
其它
发布日期:2020-04-25
文件大小:1042432
提供者:
weixin_38735790
交通数据预处理方法研究
交通数据预处理方法研究,金盛,王殿海,针对车辆检测器数据存在的大量缺失与异常的实际情况,论文在考虑采样间隔影响的情况下,设计了四步骤的数据筛选方法,保证错误数
所属分类:
其它
发布日期:2020-02-17
文件大小:393216
提供者:
weixin_38618140
03.数据预处理——缺失值处理.ipynb
03.数据预处理——缺失值处理.ipynb
所属分类:
机器学习
发布日期:2020-06-19
文件大小:76800
提供者:
weixin_44827418
3.1数据预处理.zip
对数据进行缺失值处理 对数据进行标准化,分析数据前后变化 对数据进行编号 数据非线性特征生成 画了箱型图
所属分类:
其它
发布日期:2020-07-15
文件大小:3072
提供者:
qq_45047246
Python 中pandas索引切片读取数据缺失数据处理问题
pandas是一个Python软件包,提供快速,灵活和富于表现力的数据结构,旨在使使用“关系”或“标记”数据既简单又直观。这篇文章主要介绍了pandas索引切片读取数据缺失数据处理,需要的朋友可以参考下
所属分类:
其它
发布日期:2020-09-18
文件大小:308224
提供者:
weixin_38630139
python实现数据预处理之填充缺失值的示例
下面小编就为大家分享一篇python实现数据预处理之填充缺失值的示例。具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
所属分类:
其它
发布日期:2020-09-20
文件大小:79872
提供者:
weixin_38601390
Python数据挖掘之数据预处理
目录Python主要数据预处理函数1、interpolate2、unique3、isnull / notnull4、andom5、PCA Python主要数据预处理函数 在数据挖掘中,海量的原始数据中存在着大量不完整(有缺失值)、不一致、有异常的数据,严重影响到数据挖掘建模的执行效率,甚至可能导致挖掘结果的偏差,所以进行数据清洗就显得尤为重要,数据清洗完成后接着进行或者同时进行数据集成、转换、规约等一系列的处理,该过程就是数据预处理。数据预处理一方面是要提高数据的质量,另一方面是要让数据更好地
所属分类:
其它
发布日期:2020-12-22
文件大小:118784
提供者:
weixin_38748210
机器学习小组第二期第三周:简单的数据预处理和特征工程
目录1.归一化1.1.最值归一化(normalization)1.2.均值方差归一化(standardization)1.3.Sklearn中的归一化2.缺失值处理2.1.确定缺失值范围2.2.填充缺失内容2.2.1.平均值填充法2.2.2.中位数填充法2.2.3.条件平均值填充法2.2.4.模型预测填充法2.2.4.1.kNN2.2.4.2.Regression2.2.5.利用sklearn填补缺失值3.处理分类型特征:编码与哑变量4.处理连续型特征:二值化与分段 1.归一化 问题:在量纲不同
所属分类:
其它
发布日期:2020-12-22
文件大小:458752
提供者:
weixin_38704565
python实现数据缺失处理
数据缺失处理python函数 数据缺失判断函数isnull() data.isnull() (1)数据过滤(dropna) 数据过滤是将数据直接过滤掉 dropna(axis=0, how='any', thresh=None, subset=None, inplace=False) parameters 详解 axis default 0指行,1为列 how {‘any’, ‘all’}, default ‘any’指带缺失值的所有行;’all’指清除全是缺失值的行 thresh int
所属分类:
其它
发布日期:2020-12-22
文件大小:222208
提供者:
weixin_38507121
python数据预处理(1)———缺失值处理
在进行数据分析项目、比赛中,一手数据往往是脏数据。提高数据质量即数据预处理成为首要步骤,也会影响后期模型的表现。在此对利用Python进行预处理数据做一个总结归纳。 首先是缺失值处理。 #读取数据 import pandas as pd filepath= 'F:/...'#本地文件目录 df= pd.read_csv(train,sep=',')#df数据格式为DataFrame 查看缺失值 查看每一特征是否缺失及缺失值数量可能影响着处理缺失值的方法 df.isnull().sum() #查
所属分类:
其它
发布日期:2020-12-21
文件大小:58368
提供者:
weixin_38576811
python数据预处理(1)———缺失值处理
在进行数据分析项目、比赛中,一手数据往往是脏数据。提高数据质量即数据预处理成为首要步骤,也会影响后期模型的表现。在此对利用Python进行预处理数据做一个总结归纳。 首先是缺失值处理。 #读取数据 import pandas as pd filepath= 'F:/...'#本地文件目录 df= pd.read_csv(train,sep=',')#df数据格式为DataFrame 查看缺失值 查看每一特征是否缺失及缺失值数量可能影响着处理缺失值的方法 df.isnull().sum() #查
所属分类:
其它
发布日期:2020-12-21
文件大小:58368
提供者:
weixin_38654315
数据预处理及特征工程
1.异常值处理 通过箱线图(或 3-Sigma)删除异常值或设置为缺失值; 长尾截断; 以下代码是根据箱线图处理异常值封装的函数: def outliers_proc(data, col_name, scale=3): """ 用于清洗异常值,默认用 box_plot(scale=3)进行清洗 :param data: 接收 pandas 数据格式 :param col_name: pandas 列名 :param scale: 尺度 :retur
所属分类:
其它
发布日期:2020-12-21
文件大小:110592
提供者:
weixin_38744778
Python 中pandas索引切片读取数据缺失数据处理问题
引入 numpy已经能够帮助我们处理数据,能够结合matplotlib解决我们数据分析的问题,那么pandas学习的目的在什么地方呢? numpy能够帮我们处理处理数值型数据,但是这还不够 很多时候,我们的数据除了数值之外,还有字符串,还有时间序列等 比如:我们通过爬虫获取到了存储在数据库中的数据 比如:之前youtube的例子中除了数值之外还有国家的信息,视频的分类(tag)信息,标题信息等 所以,numpy能够帮助我们处理数值,但是pandas除了处理数值之外(基于numpy),还能够帮
所属分类:
其它
发布日期:2021-01-01
文件大小:311296
提供者:
weixin_38621082
利用PythonPandas进行数据预处理-数据清洗
数据缺失在大部分数据分析应用中都很常见,Pandas使用浮点值NaN表示浮点和非浮点数组中的缺失数据,他只是一个便于被检测出来的数据而已。Python内置的None值也会被当作NA处理处理NA的方法有四种:dropna,fillna,isnull,notnullis(not)null,这一对方法对对象做出元素级的应用,然后返回一个布尔型数组,一般可用于布尔型索引。dropna,对于一个Series,dropna返回一个仅含非空数据和索引值的Series。问题在于DataFrame的处理方式,因为
所属分类:
其它
发布日期:2021-02-24
文件大小:218112
提供者:
weixin_38722721
基于激光雷达数据阴影处理和图像融合的地物分类方法
城市可见光图像中高大的建筑和树木造成的阴影及部分树木区域出现的颜色失真问题使得传统的颜色量化方法不能准确描述地物谱差异,最终导致分类精度下降。针对可见光图像中的阴影和颜色失真问题提出了一种改进办法:第一阶段针对阴影导致的被掩盖区域谱信息缺失问题,对阴影区域进行采样、分析,通过双阈值提取阴影区域并以面向对象分类方法获得绿色区域阴影。第二阶段通过融合树木区域在多源信息[激光雷达强度、多次回波的数字表面模型(DSM)]中的差异特征,剔除冗余,获取准确的树木区域,弥补颜色失真使得树木区域提取不完全的缺陷
所属分类:
其它
发布日期:2021-02-05
文件大小:874496
提供者:
weixin_38609732
利用PythonPandas进行数据预处理-数据清洗
数据缺失在大部分数据分析应用中都很常见,Pandas使用浮点值NaN表示浮点和非浮点数组中的缺失数据,他只是一个便于被检测出来的数据而已。Python内置的None值也会被当作NA处理处理NA的方法有四种:dropna,fillna,isnull,notnull is(not)null,这一对方法对对象做出元素级的应用,然后返回一个布尔型数组,一般可用于布尔型索引。dropna,对于一个Series,dropna返回一个仅含非空数据和索引值的Series。
所属分类:
其它
发布日期:2021-01-27
文件大小:209920
提供者:
weixin_38624746
«
1
2
3
4
5
6
7
8
9
10
...
19
»