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

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