5、数据优先、简易环境搭建与数据预处理

数据优先、简易环境搭建与数据预处理

1. 数据基础与拓展

当所有组件都正确安装后，你将看到类似的界面，这意味着你已成功查看了一个常见的深度学习数据集。在数据处理领域，探讨数据的本体论是常见的话题，包括数据如何被分解和使用、重要的类别有哪些、能否描述类别分布和类型等。深入研究这部分内容时，还会涉及异常检测和数据平衡等主题。在实际应用中，很难一开始就找到平衡的数据集，通常需要对数据进行预处理。

为了更深入了解其他可能的数据类型或数据使用方式，以下是一些参考链接：
- Python 数据类型
- TensorFlow 数据类型

2. 数据预处理

数据预处理是确保数据能轻松被算法接收的明确过程。在机器学习中，数据预处理十分重要，因为我们需要保证每个数据点既有用又准确。对于监督学习问题，要确保 X 数据和 Y 标签在进入学习器之前都是正确的。对于大型数据集，可以查看宏观指标，如三个标准差外的异常值；对于小型数据集，直观检查每个类别或类型的部分训练数据也是一种选择。

以下是数据预处理的具体步骤：
1. 导入必要的包 ：