该博客详细介绍了如何在Ubuntu环境下使用Python和Anaconda进行数据预处理。首先，通过遍历指定文件夹，合并xls文件并设置自定义列名。接着，处理合并后的数据集中的缺失值，采用均值填充方法。然后，将标签值添加到数据集中，并删除标签为2的样本。最后，将数据分为训练集和测试集，为后续的多类分类任务（如MFFNN、PNN等）做好准备。涉及的库包括sklearn、imblearn、pandas和os。
环境：ubuntu、anaconda、python
背景：
实验室的老师写论文需要对照实验，进行数据分类，需要将下面的方法在这个数据集上进行实验。
多层前馈神经网络(MFFNN)、概率神经网络(PNN)、径向基神经网络、模糊神经网络、朴素贝叶斯、C4.5、随机森林、bagging、KNN、EasyEnsembleClassifier
数据集：
数据是这样的（如下图），每个xls文件是一个数据集，A列表示公司的代号，B之后的列是真实公司的特征，（老师没告诉具体是啥）。
要求：
需要将每一年的15个文件合并（按行横着合并）。数据里面有缺失的数据，需要进行填充处理。每年的标签1.xls文件对应的A1-A15的标签，值有(0, 1, 2)三个， 由于我做的实验不需要第3类，所以要删除标签第三类对应的数据。然后进行实验。
涉及到的技术：
sklearn、imblearn、pandas、os
完整代码：
https://github.com/dlagez/classification/blob/master/data_process/data_process.py
数据文件截图：
最低0.47元/天 解锁文章
扫一扫
604
到【灌水乐园】发言
