用于训练数据的稀疏向量

我有一个这样的训练数据:

x_train = np.random.randint(100, size=(1000, 25))

其中每一行为一个样本,因此我们有1000个样本。

现在我需要调整训练数据,使得每个样本/行最多有3个非零元素,总共25个元素中。

大家能否建议一下我该如何实现这个目标?谢谢!


回答:

我假设您希望将大部分数据变成零,但每个行随机保留0到3个非零元素。如果是这样的话,可以按照以下方法实现。

代码

输出

[[ 0. 68. 25. ...  0.  0.  0.] [ 0.  0.  0. ...  0.  0.  0.] [ 0.  0.  0. ...  0.  0.  0.] ... [ 0.  0.  0. ...  0.  0.  0.] [88.  0.  0. ...  0.  0.  0.] [ 0.  0.  0. ...  0.  0.  0.]]

Related Posts

神经网络反向传播代码不工作

我需要编写一个简单的由1个输出节点、1个包含3个节点的…

值错误:y 包含先前未见过的标签:

我使用了 决策树分类器,我想将我的 输入 作为 字符串…

使用不平衡数据集进行特征选择时遇到的问题

我正在使用不平衡数据集(54:38:7%)进行特征选择…

广义随机森林/因果森林在Python上的应用

我在寻找Python上的广义随机森林/因果森林算法,但…

如何用PyTorch仅用标量损失来训练神经网络?

假设我们有一个神经网络,我们希望它能根据输入预测三个值…

什么是RNN中间隐藏状态的良好用途?

我已经以三种不同的方式使用了RNN/LSTM: 多对多…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注