如何在Python中对无标题的大型信号CSV文件进行分类?

我有一个大型的CSV文件(3000行*20000列),数据没有标题列,我添加了一列来表示类别。当特征没有标题且由于列数太多无法手动添加时,我如何将数据拟合到模型中?有没有一种方法可以自动迭代每一行中的每一列?

当我处理一个只有4列的小文件时,我使用了以下代码:

但是对于一个3000行乘以20000列的文件,我不知道如何识别特征和标签/目标


回答:

假设你有一个这样的CSV文件:

1,2,3,4,01,2,3,4,11,2,3,4,11,2,3,4,0

其中前4列是特征,最后一列是你想要的标签或类别。你可以使用pandas.read_csv读取文件,并为你的特征和标签创建数据框,然后将它们拟合到你的模型中。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注