對于excel的數據輸入神經網絡前要進行數據類型轉換，不然好像會有問題，如果能直接輸入請指教。下面講講對excel數據的轉換。
首先對原始數據進行解釋一下：下圖是部分訓練數據，前20列是特征，第21列是標簽，總共6000個數據：

讀取文件：

train_data = pd.read_csv('/data/first_round_training_data.csv')

劃分數據集和訓練集：

## 導入數據劃分函數 from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split(train, train_data['Quality_label'])

數據的標簽處理：

# 數據的標簽處理 from sklearn.preprocessing import LabelEncoder lb = LabelEncoder() train_data["Quality_label"] = lb.fit_transform(train_data["Quality_label"])

之后的標簽類型是數值型：

在轉換成獨熱編碼，以訓練集為例，測試集同理：

import numpy as npy_train_list = np.zeros((len(y_train), 4))y_train_list[y_train==0,0]=1y_train_list[y_train==1,1]=1y_train_list[y_train==2,2]=1y_train_list[y_train==3,3]=1 print(y_train_list)

輸出其實是個二維數組：

特征的處理
將特征轉化為二維數組：

X_train_data = np.array(X_train)#np.ndarray() print(X_train_data)

輸出為：

這樣轉換后就可以直接輸入模型了。

總結

以上是生活随笔為你收集整理的excel数据输入模型前的转换的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。