摘要：
pd.read_csv(file, nrows = 100) df.iloc[: 100, :].to_csv(out_file, index = False) Linux下查看前100行： head -100 123.txt 阅读全文
摘要：
相关资料收集： 1. 百度百科：https://baike.baidu.com/item/%E5%BC%A0%E4%B8%80%E9%B8%A3/15898544?fr=aladdin 2. https://www.tmtpost.com/123328.html 《张一鸣，他的每一句话都在被挑错》 阅读全文
摘要：
推荐参考：https://www.freesion.com/article/4488859249/ 实际运用时注意： F.binary_cross_entropy_with_logits()对应的类是torch.nn.BCEWithLogitsLoss，在使用时会自动添加sigmoid，然后计算lo 阅读全文
摘要：
官网：https://pytorch.org/docs/stable/data.html?highlight=subsetrandomsampler#torch.utils.data.SubsetRandomSampler 推荐参考：https://www.sohu.com/a/291959747_ 阅读全文
摘要：
for i in categorical_ix: le = joblib.load(f"./LabelEncoder/{i}_LabelEncoder.model") #由于test集合中可能出现新的label，没有在train中出现过，因此将新的标签也转为<unk> test_labels = d 阅读全文
摘要：
from torch.utils.data import Dataset from torch.utils.data import DataLoader from torch.utils.data import sampler import numpy as np import torch clas 阅读全文
摘要：
1. 保存list import numpy as np a = [1,2,3,4,5] np.save("number.npy", a) k = np.load("number.npy") 2. 保存map import json data = {} data["a"] = 1 data["b"] 阅读全文
摘要：
# 3.离散值进行LabelEncoder #处理数据的三个步骤，去重，处理缺失值，离散值LabelEncoder from sklearn import preprocessingfrom sklearn.externals import joblib categorical_ix = ["1", 阅读全文
摘要：
# 2.1处理缺失值，连续值用均值填充 continuous_fillna_number = [] for i in train_null_ix: if(i in continuous_ix): mean_v = df_train[i].mean() continuous_fillna_number 阅读全文
摘要：
s = df.isnull().any() #返回series形式，可以用enumerate打印s #true代表有空值 null_index = [] for i,j in enumerate(s): print(i,j,s.index[i]) if(j): null.index.append(s 阅读全文