как занулять один из признаков на каждой итерации при машинном обучении на phyton
- User
как занулять один из признаков на каждой итерации при машинном обучении на phyton
- Assistant
Если вы работаете с NumPy массивами, то можно использовать оператор «=» для зануления конкретного признака:
import numpy as np # создаем пример массива X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) # зануляем второй признак на каждой итерации for i in range(len(X)): X[i][1] = 0 print(X)Результат:
array([[1, 0, 3], [4, 0, 6], [7, 0, 9]])Если вы используете библиотеку Pandas, то можно занулить признак с помощью метода .loc():
import pandas as pd # создаем пример датафрейма df = pd.DataFrame({'feat1': [1, 4, 7], 'feat2': [2, 5, 8], 'feat3': [3, 6, 9]}) # зануляем второй признак на каждой итерации for i in range(len(df)): df.loc[i, 'feat2'] = 0 print(df)Результат:
feat1 feat2 feat3 0 1 0 3 1 4 0 6 2 7 0 9 - User
DirectoryIaterator как подключить
- Assistant
DirectoryIterator— это класс из библиотеки Keras, предназначенный для загрузки изображений из директории и автоматического применения к ним предварительной обработки перед подачей в модель нейронной сети.Для подключения класса
DirectoryIteratorнеобходимо сначала установить Keras. Для этого в терминале необходимо выполнить следующую команду:pip install kerasПосле установки Keras можно импортировать класс
DirectoryIteratorследующим образом:from keras.preprocessing.image import DirectoryIteratorТакже рекомендуется использовать модуль
ImageDataGeneratorдля применения аугментации изображений:from keras.preprocessing.image import ImageDataGenerator # создаем генераторы для обучающей и валидационной выборки train_datagen = ImageDataGenerator(rescale=1./255, shear_range=0.2, zoom_range=0.2, horizontal_flip=True) val_datagen = ImageDataGenerator(rescale=1./255) # создаем DirectoryIterator для обучающей и валидационной выборки train_generator = train_datagen.flow_from_directory(train_dir, target_size=(150, 150), batch_size=32, class_mode='binary') val_generator = val_datagen.flow_from_directory(val_dir, target_size=(150, 150), batch_size=32, class_mode='binary')Здесь
train_dirиval_dir— это пути к директориям с изображениями для обучающей и валидационной выборок, соответственно. Методflow_from_directoryсоздает экземпляр классаDirectoryIterator.