为什么x_train和y_train是不同的形状，而它们的值是由一个数据集分配的？
x_train和y_train是机器学习中常用的训练数据集。它们的不同形状是因为在机器学习任务中，输入数据（x_train）和输出数据（y_train）通常具有不同的维度或形状。
在机器学习中，通常使用监督学习算法来训练模型。训练数据集由输入数据和对应的输出数据组成。x_train表示输入数据集，它包含了用于训练模型的特征数据。y_train表示输出数据集，它包含了与输入数据对应的目标值或标签。
不同形状的x_train和y_train反映了输入数据和输出数据之间的关系。例如，在图像分类任务中，x_train可能是一个三维数组，表示图像的像素值，而y_train可能是一个一维数组，表示图像的类别标签。在自然语言处理任务中，x_train可能是一个二维数组，表示文本的词向量，而y_train可能是一个一维数组，表示文本的情感分类。
这种不同形状的设计是为了适应不同的机器学习任务和模型结构。通过将输入数据和输出数据分别表示为x_train和y_train，我们可以更好地理解和处理数据之间的关系，从而训练出更准确的模型。
在腾讯云的机器学习平台上，您可以使用腾讯云机器学习服务（Tencent Machine Learning）来处理和训练这样的数据集。该服务提供了丰富的机器学习算法和模型，可以帮助您快速构建和训练自己的模型。您可以通过以下链接了解更多关于腾讯云机器学习服务的信息：腾讯云机器学习服务
相关·内容
当将MNIST数据集拆分为x_train和y_train时，为什么生成的两个数组形状不同？ (x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()
print(x_train.shape) >>> (60000, 28, 28)
print(y_train.shape) >>> (60000,)
浏览 121提问于2021-09-01得票数 0
我使用train_test_split来分割训练集调用X_train和y_train。对于X_train，我有799行和9个特性。对于y_train，它有799行，即“更改”。当我尝试使用F,PV = f_classif(X, y)获取F值时。有9个特性的9个值是正确的，但它是'nan‘。我只是不明白为什么我不能得到任何输出。
我反复检查了X_train和y_train的形状。
X_train:(799, 9)
y_train:(799,)
应该是对的。
输出：
[nan nan nan nan nan nan nan nan nan]
我所做的有什么不对的？
我试着在谷歌上找到解决方
浏览 0提问于2021-09-26得票数 0
1回答
我正面临一个我无法解决的问题。实际上，我尝试用keras创建一个模型LSTM，但是我不明白输入数据格式应该是什么。我的数据培训和数据测试如下所示：
date/value/value/value/value/value_i_want_to_predict
我见过一些人这样做
from sklearn.preprocessing import MinMaxScaler
sc = MinMaxScaler(feature_range = (0, 1))
training_set_scaled = sc.fit_transform(training_set)X_train = []
y_train =
浏览 7提问于2020-11-25得票数 2
x_train = tr1.loc[:, ['Sepal Length', 'Sepal Width', 'Petal Length', 'Petal Width']]
#x_train.shape - (120 x 4)
y_train = tr1.loc[:, ['Species']]
#shape - 120 x 3
x_test = test1.loc[:, ['Sepal Length', 'Sepal Width', 'Petal Length',
浏览 0提问于2019-08-23得票数 7
我偶然发现了这份声明：
(x_train, y_train), (x_test, y_test) = mnist.load_data()
以及它对它返回的内容的相应解释：
返回:2个元组: x_train，x_test:带有形状的灰度图像数据的uint8数组(num_samples，28，28)。y_train，y_test:数字标签(0-9范围内的整数)与形状(num_samples，)的uint8数组。
我在这里怀疑的是，x_train、x_test、y_train或y_test本身是否是一个元组，分别保存了值(num_sample, 28, 28)和(num_sample)？元组
浏览 2提问于2020-02-20得票数 2
回答已采纳
我正在研究mnist分类码。这样的错误继续发生在下面的代码코드中。
import tensorflow as tf
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()
print(x_train.shape) # (60000, 28, 28)
print(y_train.shape)
import matplotlib.pyplot as plt
print("Y[0] : ", y_train[0])
plt.imshow(x_train[0], cmap=plt.
浏览 0提问于2021-10-30得票数 0
在将Tensorflow数据集传递到Keras的model.fit函数中时，获取与形状相关的ValueError。
我的数据集的标注具有形状(100个样本x 62个要素)和Y_train (100个样本x 1个标注
可重现的代码如下：
import numpy as np
from tensorflow.keras import layers, Sequential, optimizers
from tensorflow.data import Dataset
num_samples = 100
num_features = 62
num_labels = 1
batch_size = 32
浏览 0提问于2019-06-08得票数 0
2回答
Iam正在使用有监督的机器学习解决二值图像分类问题。我使用支持向量机分类器算法。首先，我在变量X中创建了一个归一化彩色图像的numpy数组，其形状为(17500,32,32,3)。然后，在数据拆分之后，X_train具有形状(14000,32,32,3)和维度4，y_train具有形状(14000, 2 )和维度2。
clf.fit(X_train,y_train)
运行此代码后，我得到一个值错误:发现维数为4的数组估计器的维数为<=2。
提前感谢！
浏览 1提问于2020-01-23得票数 0
我想正确地使用一些轻型gbm函数。
这是一种标准的方法，它与任何其他分类器与sklearn没有什么不同：
定义X，y
train_test_split
创建分类器
搭上火车
预测试验
比较
X_train，X_test，y_train，y_test = train_test_split(X，y，test_size=0.25) #可能是DecisionTreeClassifier()，RandomForestClassifier() etc模型= lgb.LGBMClassifier() model.fit(X_train，y_train) predicted_y = m
浏览 0提问于2019-11-06得票数 3
1回答
我需要一些建议来提高我的模型的准确性。
训练数据的形状为：(166573，14)
📷
它有所有int列和float列。我已经删除了claims_daysaway列，因为大多数值都是NaN，并将Nan值替换为mean列。
X_train = train.drop(['outcome','testindex','claims_daysaway'], axis=1)
y_train = train['outcome']
📷
由于值在不同的尺度上，我使用StandScaler()对值进行标准化。
📷
此数据集高度不平衡。
列车“结果”.v
浏览 0提问于2019-04-21得票数 1
我使用线性回归分类器来预测一些值。我已经猜到了基本的部分，现在看起来是这样的：
import time as ti
import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
import csv
from sklearn.datasets import load_boston
from sklearn import preprocessing, svm
from sklearn.model_selection import train_test_split
from sklearn import
浏览 1提问于2019-06-23得票数 1
我使用来自sklearn库的sklearn和MultiOutputClassifier，以便使用LR进行多标签分类。不幸的是，我在运行以下代码时出错：
res = MultiOutputClassifier(estimator=LogisticRegression()).fit(x_train, y_train)
错误：
ValueError: This solver needs samples of at least 2 classes in the data,
but the data contains only one class: 0
这对我来说毫无意义，因为x_train有形状(22
浏览 18提问于2022-04-13得票数 0
我试图将KNN应用于糖尿病原始数据，为了将数据集分割为训练和测试数据集，我使用了代码中描述的iloc函数。但是当我使用这段代码时，我得到了非常奇怪的测试数据形状。有人能解释一下我做错了什么吗？
以下是代码：
# first 8 columns from index 0 to 7 to be used for parameters
X = dataset.iloc[:,0:8]
y = dataset.iloc[:,8]
# lets split X and Y into training and testing sets
X_train, X_test, y_train, y_test = t
浏览 4提问于2020-01-17得票数 0
回答已采纳
1回答
从数据集中准备数据后，我想使用h5py保存准备好的数据。数据是一个形状的float32数字数组(16813，60，44,257)。准备数据非常快，只需几秒钟就可以准备13 to的数据。但是，当我试图使用h5py将数据写入磁盘(500 to / SSD)时，它会变得非常慢(等待我们的数据)，甚至会冻结/崩溃计算机。
hf = h5py.File('sequences.h5', 'a')
hf.create_dataset('X_train', data=X_train)
hf.create_dataset('Y_train', da
浏览 4提问于2022-03-31得票数 0
这里是机器学习的新手。我正在尝试训练1000对训练数据和500对测试数据，而不是整个数据集。然而，我得到了一个错误： "ValueError:检查目标时出错:要求activation_24具有形状(10，)，但得到具有形状(1，)的数组“ 以下是我与数据相关的部分代码： # load data
(X_train, y_train), (X_test, y_test) = mnist.load_data()
X_train = X_train / 255
X_test = X_test / 255
X_train = X_train.reshape(-1,1,28,28)
X_t
浏览 18提问于2020-05-02得票数 0
回答已采纳
10回答
谁能告诉我为什么我们在分离训练和测试集时将随机状态设置为零。
X_train, X_test, y_train, y_test = \
train_test_split(X, y, test_size=0.30, random_state=0)
我见过这样的情况，随机状态设置为1！
X_train, X_test, y_train, y_test = \
train_test_split(X, y, test_size=0.30, random_state=1)
在交叉验证中，这种随机状态的后果是什么？
浏览 0提问于2017-02-13得票数 48
我试图训练我的深度神经网络来识别手写数字，但我一直收到标题中前面提到的错误，我不知道为什么。
我尝试改变"x_train“和"y_train”的形状，但没有改变结果。model.add(Flatten())也不起作用。
import matplotlib.pyplot as plt
import keras
from keras import optimizers
from keras.models import Sequential
from keras.layers import Dense, Activation, Flatten
from keras.datasets
浏览 13提问于2019-08-09得票数 0
回答已采纳
我看了几个教程来深入研究Keras，以便使用卷积神经网络进行深入学习。在本教程(以及Keras的官方文档中)中，MNIST数据集的加载方式如下：
from keras.datasets import mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
然而，没有解释为什么我们有两个元组的数据。我的问题是:什么是x_train 和 y_train ，以及它们与 x_test 和 y_test counterparts有什么不同？
浏览 0提问于2017-09-29得票数 13
回答已采纳
1回答
一维卷积神经网络输入形状问题
、、、、
我正在尝试为数值数据集构建一维CNN。我的数据集有520行和13个特征。下面是代码。 它给出"ValueError: sequential_21层的Input 0与layer：：expected min_ndim=3不兼容，找到ndim=2。收到完整形状：(1，13)“错误。 我需要如何设置输入形状，或者我必须重塑X_train？任何帮助都是非常感谢的。 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.20)
n_features = 13
model = Sequential()
model
浏览 28提问于2021-07-04得票数 0
1回答
我试验了科学知识中的乳腺癌数据。
使用所有特性，而不使用标准标量器：
癌症= datasets.load_breast_cancer() x= cancer.data y= cancer.target x_train，x_test，y_train，y_test = train_test_split(x，y，test_size=0.2，random_state=42) pla = Perceptron().fit(x_train，y_train) y_pred = pla.predict(x_test) print
- result 1 : 0.9473684210526315
使用所有特性并使
浏览 4提问于2020-10-20得票数 1
回答已采纳
import tensorflow as tf
from tensorflow import keras
import numpy as np
import matplotlib.pyplot as plt
data = keras.datasets.boston_housing
(x_train , y_train) , (x_test , y_test) = data.load_data()
model = keras.Sequential([
keras.layers.Flatten(input_shape=(28 , 28 )),
keras.layer
浏览 1提问于2020-08-04得票数 0
我正在尝试在Colab中使用ResNet152建立自己的网络。下面是我的代码的一部分：
(x_train, y_train), (x_test, y_test) = cifar10.load_data()
x_train = x_train.astype('float32')
x_test = x_test.astype('float32')
# Normalization
mean = np.mean(x_train, axis=0)
std = np.std(x_train, axis=0)
x_train = (x_train - mean)
浏览 0提问于2020-02-02得票数 0
我使用以下CNN模型训练MNIST数据，并将权重作为mnist_weights.h5来复制结果。
import keras
from __future__ import print_function
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D
from keras import backend as K
impor
浏览 1提问于2017-10-13得票数 0
回答已采纳
在将数据集拆分为培训和测试目的之后，当我尝试应用LDA的get_dummies()方法时，我已经在数据集上应用了它输出的fit_transform()方法：
ValueError:不良输入形状(26905，8)
我做错了什么？我不确定这个问题是由于get_dummies()方法引起的，还是因为我遗漏了什么？
# Sample Code
df = pd.read_csv('/Users/rushirajparmar/Downloads/Problem 16 (1)/Problem 16/Problem 16/train_file.csv')
df.drop([&#
浏览 0提问于2019-03-26得票数 1
回答已采纳
我试着把我自己的形象输入到mnist模型中
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(128, activation='relu
浏览 1提问于2019-08-07得票数 0
回答已采纳
model.evaluate()中存在错误，原因是ValueError:检查输入时出错: dense_input应为#具有2维，但得到形状为(10000，28，28)的数组 (X_train, y_train), (X_test, y_test) = fashion_mnist.load_data()
X_train = X_train / 255.0
X_test = X_test / 255.0
X_train = X_train.reshape(-1, 28*28)
X_train.shape
model = tf.keras.models.Sequential()
model
浏览 4提问于2019-12-08得票数 0
回答已采纳
我想使用cifar100数据集中的一些类来训练模型。我使用numpy where来过滤数据集，但是它缩小了图像数组的维度。
import numpy as np
from tensorflow.keras.datasets import cifar100
(x_train, y_train), (x_test, y_test) = cifar100.load_data()
index = np.where((y_train == 1) | (y_train == 2))
print('Images Shape: {}'.format(x_train.shape))
X_tra
浏览 5提问于2022-04-25得票数 0
回答已采纳
3回答
功能计数不匹配
、、
我正在使用scikit做一个简单的分类任务。我有一个测试和训练数据集，它们的形状如下: train = (1000,69917)和test = (1073,49429)。当我这样做的时候：
clf.fit(X_train, Y_train)
predicted = clf.predict(X_test)
我得到以下错误：
ValueError: X has 49429 features per sample; expecting 69917
浏览 0提问于2014-08-19得票数 3
2回答
这真的很奇怪，我有一个非常简单的测试数据集，并在它上建立了一个非常简单的线性模型：
smallData = data.head(1000)
# smallData = data
y = smallData['points'].values
X = smallData.drop(['points','country', 'description'], axis=1)
X = pd.get_dummies(X, columns=['designation', 'province', 'reg
浏览 0提问于2020-05-12得票数 0
1回答
整形不需要显示mnist图像？
、、、、
如果我想显示mnist数据集中的一幅图像，需要使用以下代码将其从(1,28,28)重新塑造为(28,28)：
import tensorflow as tf
import matplotlib.pyplot as plt
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
sample = x_train[:1].reshape((28,28))
plt.imsho
浏览 8提问于2022-11-15得票数 0
回答已采纳
1回答
我尝试了所有的方法，但我不知道如何解决以下错误：
ValueError:输入形状不好(5634，2)
这是我的第一个机器学习的例子，所以请容忍我。这是python代码：
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings("ignore")
from pylab import rcParams
from IPython import get_ipython
ipy
浏览 0提问于2019-11-28得票数 0
X_train, y_train = load_svmlight_file(train_file)
X_test,y_test=load_svmlight_file(predict_file)
clf = linear_model.LinearRegression()
clf.fit(X_train,y_train)
y=clf.predict(X_test)
这是我的线性回归代码。我的数据是从svmlight格式加载的，与label <id1>:<value1> <id2>:<value2> <id2>:<value2>
浏览 0提问于2015-08-27得票数 0
回答已采纳
1回答
我正在尝试不同的分类器，在作为课程项目一部分提供给我们的数据集上具有不同的参数和内容。我们必须试着在数据集上获得最好的性能。数据集实际上是的简化版本。
我尝试过支持向量机，随机森林，支持向量机，交叉验证的k=5，它们似乎都给出了大约100%的训练准确率，而测试的准确率在60-70之间。我认为测试的准确性很好，但是训练的准确性让我很困扰。我想说的是，这可能是一种数据过度拟合的情况，但我的同学似乎都没有得到类似的结果，所以问题可能在于我的代码。
这是我的交叉验证和随机森林分类器的代码。如果你能帮我找出我为什么得到如此高的训练准确度，我将不胜感激。
def crossValidation(X_tra
浏览 1提问于2018-04-28得票数 2
1回答
我想传递另一个训练数据集(X_train, y_train)在Keras的每个N时代，在那里(X_train, y_train)是通过蒙特卡罗模拟得到的。
在伪代码中，它将通过以下方式完成：
for i in range(nb_total_epochs):
if i%N == 0:
X_train, y_train = generate_new_dataset(simulation_parameters)
train_model(X_train, y_train)
是否存在使用fit()函数来实现这一目的的任何技巧？
浏览 0提问于2018-03-27得票数 8
回答已采纳
嗨，如果我们要用以下方法来评估cv的准确性：
X_train, X_test, y_train, y_test = train_test_split(
X, y, random_state=42)
model=RandomForestClassifier(random_state=0)
k_folds = KFold(n_splits=5)
splits = k_folds.split(X_train, y_train)
cv_acc = cross_val_score(model, X_train, y_train, cv=splits, scoring='accurac
浏览 3提问于2020-09-14得票数 1
回答已采纳
我想使用SelectFromModel为我的模型选择最好的功能。然而，当我想要定义分类模型时，我得到了一个错误。
例如(参见下面的代码)这个代码可以工作，它也可以用于决策树、随机森林和逻辑回归：
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.feature_selection import RFE, SelectFromModel
from sklearn.svm import SVC
from sklearn.tree im
浏览 2提问于2019-08-19得票数 0
我想为LSTM做一个滑动窗口。为此，我有：
x_train=[[]]
y_train = []
for i in range(10, len(train_data)):
x_train.append(train_data[i-10:i])
y_train.append(train_data[i,0])
train_data的形状是(2730，2)，所以我想x_train是(2721，10，2)。
循环之后，x_train和y_train是列表，是numpy数组的。
在教程中，应用np.asarray或np.array将其更改为numpy数组就足够了。在我的例子中，它的形状改变为(27
浏览 0提问于2021-03-11得票数 0
data = pd.read_excel("/Users/madhavthaker/Downloads/Reduced_Car_Data.xlsx")
train = np.random.rand(len(data)) < 0.8
data_train = data[train]
data_test = data[~train]
x_train = data_train.ix[:,0:3].values
y_train = data_train.ix[:,-1].values
x_test = data_test.ix[:,0:3].values
y_test =
浏览 2提问于2017-03-28得票数 5
我目前正在尝试用顺序视频数据训练一个LSTM网络。然而，现在不断出现的问题是数据本身的输出形状错误。从视频中，我已经生成了100个时间步(帧)的686个样本剪辑。然后用另一个CNN，我为每个图像创建了一个形状为2048的嵌入。换句话说，在我的例子中，X_train的形状是(686,100,2048)，Y_train的形状是(686,100)。现在，当我通过我的网络传递我的数据集时，我得到这个形状错误。
我的模型：
from keras.layers import Activation, Input, Dense, Lambda, LSTM, Flatten
from keras.models
浏览 24提问于2019-11-13得票数 0
我有两个数据集。第一个包含图像数据路径，因此指向我的输入X_train的路径。第二个数据集包含标签，它们是热编码的，采用特殊格式，它们的形状是三维的(图像数量、标签长度、字符可能性)，即我的数据集的(n, 8, 36)。标签是y_train数据。
标签的形状就是我为什么要寻找一种方法从y_train数据中批量读取和预处理X_train的原因。有没有这样的方法，或者你知道如何解决这个问题？
非常感谢!
浏览 15提问于2020-06-05得票数 0
回答已采纳
我试图在从CSV文件加载数据类型之后编写代码来识别数据类型。因此有5个可能的标签，特征向量包含一个列表列表。特征向量是具有以下形状的列表列表：
[slash_count, dash_count, colon_count, letters, dot_count, digits]
然后，我将我的特性和标签向量划分为培训、测试和验证集。我在Stackoverflow上找到了一些代码，有人为此编写了一些代码，我也使用了相同的代码：
X_train, X_test, y_train, y_test = train_test_split(ml_list, labels, test_size=0.3, ra
浏览 0提问于2018-01-13得票数 2
回答已采纳
1回答
Keras中的多维回归
、、、
我正在尝试使用Keras实现这文章中提供的一个隐藏层模型。
这是我的密码：
from keras.models import Sequential
from keras.layers import Dense, Dropout, Flatten, Activation
from keras import optimizers
model = Sequential()
model.add(Dense(100, input_dim=9216))
model.add(Activation('relu'))
model.add(Dense(30))
model.compile(los
浏览 0提问于2017-07-17得票数 1
回答已采纳
3回答
高分类度量结果
、、、
我正在尝试使用机器学习来识别作物类型。这是一个像素分类。我有16个类(目标)，这是我的训练和测试数据集的形状：
X_train, X_test, Y_train, Y_test=train_test_split(Features, Labels, test_size=0.25)
X_train.shape, X_test.shape, Y_train.shape, Y_test.shape
#((48330, 420), (16110, 420), (48330,), (16110,))
我想首先尝试一个基线模型，所以我做了以下工作：
classifier=RandomForestClassi
浏览 0提问于2020-07-19得票数 0
我正在处理mnist数据集，由于一个未知的错误，我在为y_train的第二个占位符提供信息时遇到了困难：
ValueError:不能为具有形状'(60000，1)‘的张量’占位符_1:0‘提供形状(60000，)的值
我认为ys (占位符)的形状应该等于y_train列，但它不起作用：
import tensorflow as tf
import numpy as np
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) =
mnist.load_data(r'C:\U
浏览 0提问于2019-07-03得票数 1
如何解决python中的这种错误？？
"ValueError:形状不匹配:对象不能广播到单个形状“，我的代码是：
代码：
X_train, X_test, y_train, y_test = train_test_split(
cancer.data, cancer.target, random_state=0)
forest = RandomForestClassifier(n_estimators=100, random_state=0)
forest.fit(X_train, y_train)
print("Accuracy on training set: {
浏览 1提问于2021-05-17得票数 2
回答已采纳
我的学习模型如下(使用Keras)。
model = Sequential()
model.add(Dense(100, activation='relu', input_shape = (X_train.shape[0],)))
model.add(Dense(500, activation='relu'))
model.add(Dense(2, activation='softmax'))
我的输入数据X_train是一个形状数组(180个)，相应的y_train包含标签也是一个形状数组(180个)。我试图按以下方式编译和拟合该模型。
mod
浏览 1提问于2020-02-14得票数 0
回答已采纳
3回答
这里我有一段python代码，取自SoloLearn，
scores = []
kf = KFold(n_splits=5, shuffle=True)
for train_index, test_index in kf.split(X):
X_train, X_test = X[train_index], X[test_index]
y_train, y_test = y[train_index], y[test_index]
model = LogisticRegression()
model.fit(X_train, y_train)
scores.appe
浏览 4提问于2020-09-10得票数 1
1回答
多变量LSTM输入形状
、、、、
我试图建立多变量的LSTM模型。我有一个训练数据，包括标签的形状(1132，5)。所以，我有四个特征。我的问题是如何重塑数据，以便它包括我的特点，在培训和测试数据。我执行了以下代码
end_len = len(train_scaled)
X_train = []
y_train = []
timesteps = 40
for i in range(timesteps, end_len):
X_train.append(train_scaled[i - timesteps:i, 0])
y_train.append(train_scaled[i, 0])
X_train, y_
浏览 0提问于2021-05-20得票数 0
回答已采纳
我想使用Conv1D使扩展卷积网络成为序列数据集。
所以我尝试了波士顿数据集的Conv1D。
from tensorflow.python.keras.layers import Conv1D, MaxPooling2D
from tensorflow.python.keras.layers import Activation, Dropout, Flatten, Input, Dense
from tensorflow.python.keras.models import Model
from sklearn.datasets import load_boston
from sklearn.
浏览 0提问于2019-02-16得票数 1
回答已采纳
熊猫DataFrame显示，ints是漂浮的。但是我想把这些ints作为ints来展示。
X_train = train.iloc[:, 1:].values.astype('float32')
y_train = train.iloc[:, 0].values.astype('uint8')
X = test.values.astype('float32')
所以，d类型是‘float32 32’、'unit8‘和’float32 32‘。
在一个X_train (木星笔记本)中显示DataFrame、y_train和X的最小值和最大值
浏览 4提问于2017-08-01得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
