Jupyter Notebook 学习人工智能的好帮手

【Jupyter Notebook】快速上手 轻松玩明白

数据集

数据集下载

数据集下载地址

数据集调用

from sklearn.preprocessing import LabelEncoder
import pandas as pd

df = pd.read_csv("yoochoose-clicks.dat",header=None)
df.columns = ['session_id','timestamp','item_id','category']

print(df)

其中，session_id表示的是某次会话的编号，而item_id表示的是某次会话下的某个操作，category代表购买情况，其中0代表未购入，1代表购入。

数据集应用技巧——获取不重复的编号

可以对某一个关键字采用unique()。

数据集应用技巧——随机采样

应用场景：数据集过多，抽取部分数据进行观察。
工具：采用random中的choice进行提取(numpy库也有random包，也有choice方法)。

choice可以选取出列表/集合中的其中一项

数据集应用技巧——抽取前N项进行模拟测试

应用场景：可用于熟悉操作。
工具：使用分片进行操作。
分片的具体操作可见于分片链接

数据集构建

第二步，刚开始这些点并没有图的编号（有session_id,但并不是一个方便建图的编号），于是可以采取按某一个关键字进行排序的方法，按大小给图上的节点进行重新编号。

后几步，开始制作边集。

考虑复用性的话，记得将构造出来的数据集进行保存。

技巧一——查看数据集构建进度

应用场景：可以可视化进度