R讀書筆記之特徵工程（一）空值處理
在特徵處理中，會有空值的刪除或者填充。
一：刪除
1一般刪除是最簡單的，用na.omit(data)就搞定，但是太粗暴了。
2若是有的觀測量空缺值太多的話，確實需要刪除，因為用別的方法填充反而會導致模型偏差。
那麼腫麼統計觀測量的空值的個數捏？可以參考函式：apply(dataframe,1,function(x) sum(is.na(x))),其中is.na()返回
一個邏輯向量，求和時T為1，F為0，因此求和返回的是該行觀測量空值的個數。
用函式manyNAs(data,0.2)可以返回data中空值數量大於列數20%的行，因此可以data[-manyNAs(data,0.2),]快速對應
行，0.2引數可以自己修改。
二：填充
待續
相關推薦
R讀書筆記之特徵工程（一）空值處理
在特徵處理中，會有空值的刪除或者填充。 一：刪除 1一般刪除是最簡單的，用na.omit(data)就搞定，但是太粗暴了。 2若是有的觀測量空缺值太多的話，確實需要刪除，因為用別的方法填充反而會導致模型偏差。 那麼腫麼統計觀測量的空值的個數捏？可以參
《Java 編程思想》讀書筆記之並發（一）
角度 提高 負載均衡 多線程 讀書 思想 依賴 很好 搶占 一開始我們做的都是「順序編程」，但是有時候程序純順序執行的性能並不高，並且對於部分問題順序執行程序並不能很好地解決。 這時候「並發」就是一個很好的解決方案了，「並發」的含義其實很簡單，即並行地執行程序中的多個部分。
Javascript高階程式設計--讀書筆記之面向物件（一）
哈哈哈萬物皆物件，終於到了js的面向物件篇。 一、屬性型別 （1）資料屬性 資料屬性包含一個數據值的位置，在這個位置可以寫入和讀取數值，資料屬性有四個描述器行為的特性 [[Configurable]]:表示能否通過 delete 刪除屬性而重新定義屬性，預設值是ture [[Enumerab
系統學習機器學習之特徵工程（一）--維度歸約
這裡，我們討論特徵選擇和特徵提取，前者選取重要的特徵子集，後者由原始輸入形成較少的新特徵，理想情況下，無論是分類還是迴歸，我們不應該將特徵選擇或特徵提取作為一個單獨的程序，分類或者回歸方法應該能夠利用任何必要的特徵，而丟棄不相關的特徵。但是，考慮到演算法儲存量和時間的複雜度，
JavaSE 學習筆記之Java概述（一）
environ 電子 6.0 run javase 有一點 架構 spa form 一、Java的三種技術架構: JAVAEE：Java Platform Enterprise Edition，開發企業環境下的應用程序，主要針對web程序開發； JAVASE：Java P
matlab學習筆記之常用命令（一）
plot 我們 all 查看 學習 ear tla clear 但是 一.清除命令。 1.clear all；%清除所有變量，通常在matlab的工作區；另外斷點也會被清除掉 2.close all；%關閉所有窗口（除了編輯器窗口、命令窗口、幫助窗口） 3.cl
《Java 編程思想》讀書筆記之並發（二）
斷線 implement 默認 固定 映射 [] dex 依賴 無法 基本的線程機制 並發編程使我們可以將程序劃分為多個分離的、獨立運行的任務。通過使用多線程機制，這些獨立的任務（也被稱為子任務）中的每一個都將由「執行線程」來驅動。一個線程就是在進程中的一個單一的順序控制流
系統學習機器學習之特徵工程（二）--離散型特徵編碼方式：LabelEncoder、one-hot與啞變數*
轉自：https://www.cnblogs.com/lianyingteng/p/7792693.html 在機器學習問題中，我們通過訓練資料集學習得到的其實就是一組模型的引數，然後通過學習得到的引數確定模型的表示，最後用這個模型再去進行我們後續的預測分類等工作。在模型訓練過程中，我們會對訓練
Elam的caffe筆記之配置篇（一）：CentOS6.5編譯安裝gcc4.8.2
Elam的caffe筆記之配置篇（一）：CentOS6.5編譯安裝gcc4.8.2 配置要求： 系統：centos6.5 目標：基於CUDA8.0+Opencv3.1+Cudnnv5.1+python3.6介面的caffe框架 任何對linux處於入門級別的小白都應
特徵工程（一）countvectororizer
''' 將原始資料的word特徵數字化為countvector特徵，並將結果儲存到本地 article特徵可做類似處理 ''' import pandas as pd from sklearn.feature_extraction.text import c
linux學習筆記之shell程式設計（一）
shell程式設計 基礎正則表示式 正則和萬用字元的區別：正則是包含匹配，匹配檔案內容，grep，awk等支援正則表示式。萬用字元是完全匹配，匹配檔名，例如find，ls不認識正則表示式 ####正則
linux學習筆記之流程控制（一）if分支語句
流程控制 if語句 單分支if語句 程式 fi``` ```if [ 判斷 ] then 程式 fi``` 例項程式碼指令碼: #!/bin/bash
床頭筆記之tensorflow學習（一）
tensorflowAPI筆記之變數 變數 class tf.Variable 可變輔助函式 tf.all_variables() tf.trainable_variables() tf.initialize_all_variables() tf.initia
linux學習筆記之shell程式設計（一）正則表示式與字元處理
shell程式設計 基礎正則表示式 正則和萬用字元的區別：正則是包含匹配，匹配檔案內容，grep，awk等支援正則表示式。萬用字元是完全匹配，匹配檔名，例如find，ls不認識正則表示式 ####正則表示式常用的字元（注意區別於萬用字元裡面的符號）#### -*
Django學習筆記之環境搭建（一）
Django是一個高階的Python Web開發框架，它鼓勵快速開發，和實用的設計。它採用了MTV的設計模式，並且它由經驗豐富的開發人員來構建， 可以解決Web開發的諸多問題，因此也被稱為全棧Web開發框架。它是開源的，直接
影象處理之特徵提取（一）之HOG特徵 特徵數的計算
對於64128的影象而言，每88的畫素組成一個cell，每22個cell組成一個塊，也就是說，64128的圖片，總共有36715=3780個特徵。 單個cell的9個特徵，每個block（掃描視窗）包含22個cell也就是229=36個特徵，一個64128大小的
CSS3筆記之定位篇（一）relative
知識點1：relative和absolute relative: 相對自身，並會限制內部absolute元素層疊 absolute: 相對容器，並受到父類容器relative的影響，比如：o
影象處理之特徵提取（一）：HOG特徵
HOG方向梯度直方圖： （1）具體在HOG中方向梯度的實現：首先用[-1,0,1]梯度運算元對原影象做卷積運算，得到x方向（水平方向，以向右為正方向）的梯度分量gradscalx，然後用[1,0,-1]T梯度運算元對原影象做卷積運算，得到y方向（豎直方向，以向上為正方向）的
SpringBoot2.0.0高版本搭建SpringCloud微服務框架搭建採坑筆記之註冊中心（一）
自學springCloud框架，因為什麼都不懂 就自己摸索慢慢來 但是其中出現了很多問題 寫個部落格記錄一下 也提醒一下其他同仁別犯我一樣的錯誤之前我一直認為springboot的高版本對低版本有良好的相容性 其實並沒有 到了高版本會出現很多新的內容 甚至是以前的內容都
影象處理之特徵提取（一）之HOG特徵簡單梳理
上圖是一張行人圖的四種表示方式，原三色圖，灰度圖，邊緣圖，梯度圖，人腦根據前期學習與先驗知識很容易理解到影象中包含著一個行人，並可以根據一定情況將其從影象中摳選出來，但計算機是怎麼思考的呢？怎樣讓計算機理解以上影象中包含的是一個行人呢？前三個影象現在情況不適用，所以選取梯度圖，現在的梯度圖同樣也是人腦處理