交通数据预处理特征提取.ipynb
记录自己学习的一点点东西，当做是一个笔记吧。只恨自己没有及早开始写这个东西
用户评论
相关推荐
python数据预处理.ipynb
按一年为周期，对比从1980年到1993年的销量数据
.ipynb
638.41 KB
2021-05-22 07:22
3.1数据预处理.ipynb
3.1数据预处理.ipynb
ipynb
80.16KB
2022-12-26 22:54
数据预处理tushare股票评级.ipynb
python tushare 股票评级python tushare 股票评级
IPYNB
391KB
2020-07-30 03:19
数据预处理-exercise.ipynb演示教程
本篇教程是对数据预处理-exercise.ipynb这一文件的详细演示，通过对数据清洗、数据缺失、数据离散化等内容的讲解，帮助读者更好地理解数据预处理的流程和方法。同时，我们还提供了一些实例代码和运行
ipynb
64.14KB
2023-06-04 14:25
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
PDF
0B
2020-06-13 10:40
01.数据预处理数据归一化.ipynb
01.数据预处理——数据归一化.ipynb
IPYNB
8KB
2020-07-30 03:19
02.数据预处理数据标准化.ipynb
02.数据预处理——数据标准化.ipynb
IPYNB
4KB
2020-07-30 03:19
03.数据预处理缺失值处理.ipynb
03.数据预处理——缺失值处理.ipynb
IPYNB
75KB
2020-07-30 03:19
python数据处理常用代码数据预处理.ipynb
python数据处理常用代码---数据预处理，包含博客里的所有代码，共大家练习使用。python数据处理常用代码---数据预处理，包含博客里的所有代码，共大家练习使用。python数据处理常用代码
IPYNB
0B
2020-06-20 19:23
特征提取与预处理
上一章案例中的解释变量都是数值，比如匹萨的直接。而很多机器学习问题需要研究的对象可能是分类变量、文字甚至图像。本章，我们介绍提取这些变量特征的方法。这些技术是数据处理的前提——序列化，更是机器学习的基
PDF
0B
2019-02-18 09:26
如何进行预处理和分箱.ipynb
在这篇文章中，我们将学习如何使用预处理技术和分箱方法对数据进行处理。通过对数据进行预处理，我们可以清洗和转换数据，处理缺失值和异常值。而分箱方法可以将连续变量离散化，将其分成不同的区间。跟着本文一起学
ipynb
31.29KB
2023-07-31 00:11
交通标志分类器.ipynb
交通标志分类器.ipynb是一个基于机器学习的项目，旨在对交通标志进行自动识别和分类。通过使用深度神经网络和计算机视觉技术，我们可以训练模型以识别道路上的常见标志，例如限速、停止和右转等标志。本项目包
ipynb
327.09KB
2023-06-13 23:45
数据筛选.ipynb
数据常用筛选方法 1、在数据中选择需要的行或者列 2、基础索引方式,就是直接引用 3、ioc[行索引名称或者条件列索引名称或者标签] 4、iloc[行索引位置列索引位置] 5、注意,区分loc和ilo
IPYNB
35KB
2020-08-20 21:18
指纹图像预处理和特征提取
指纹图像预处理和特征提取指纹图像预处理和特征提取指纹图像预处理和特征提取指纹图像预处理和特征提取指纹图像预处理和特征提取指纹图像预处理和特征提取指纹图像预处理和特征提取指纹图像预处理和特征提取
CAJ
0B
2019-07-07 03:46
指纹图像预处理以及特征提取
指纹图像预处理（包括图像分割、增强、二值化、细化）以及指纹特征提取。
ZIP
0B
2018-12-08 16:12