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

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注