建站
咨詢
售后
建站咨詢
新聞中心
本文轉(zhuǎn)載自公眾號“讀芯術(shù)”(ID：AI_Discovery)。
創(chuàng)新互聯(lián)是專業(yè)的豐鎮(zhèn)網(wǎng)站建設(shè)公司，豐鎮(zhèn)接單;提供成都網(wǎng)站設(shè)計(jì)、網(wǎng)站制作,網(wǎng)頁設(shè)計(jì),網(wǎng)站設(shè)計(jì),建網(wǎng)站,PHP網(wǎng)站建設(shè)等專業(yè)做網(wǎng)站服務(wù);采用PHP框架,可快速的進(jìn)行豐鎮(zhèn)網(wǎng)站開發(fā)網(wǎng)頁制作和功能擴(kuò)展;專業(yè)做搜索引擎喜愛的網(wǎng)站,專業(yè)的做網(wǎng)站團(tuán)隊(duì),希望更多企業(yè)前來合作!
在開始一項(xiàng)數(shù)據(jù)科學(xué)項(xiàng)目時(shí)，我們通常需要進(jìn)行設(shè)置或配置，以確保所需的依賴關(guān)系，保持輸出穩(wěn)定，準(zhǔn)備通用函數(shù)。
項(xiàng)目設(shè)置的一個(gè)案例(來自Handson-ML2)
本文將介紹JuypterNotebook中最有幫助的一些項(xiàng)目設(shè)置。
1. 確保Python版本
檢查JupyterNotebook中的Python解釋器版本：
- import sys
- sys.version'3.7.6 (default, Jan 8 2020, 13:42:34) \n[Clang 4.0.1 (tags/RELEASE_401/final)]'
為確保項(xiàng)目由Python解釋器的最低及以上要求版本運(yùn)行，可在項(xiàng)目設(shè)置中添加以下代碼：
- # Python ≥3.7 is required
- import sys
- assert sys.version_info >= (3, 7)
Python需要為3.7及以上版本，否則會拋出AssertionError。
2. 確保程序包版本
檢查安裝的程序包版本，如TensorFlow。
- import tensorflow as tf
- tf.__version__'2.0.0'
確保項(xiàng)目是由TensorFlow2.0及以上版本運(yùn)行的，否則會拋出AssertionError。
- # TensorFlow ≥2.0 is required
- import tensorflow as tf
- assert tf.__version__ >= "2.0"
3. 避免繪制模糊圖像
JuypterNotebook中的默認(rèn)繪圖看起來有些模糊。例如，一張查找缺失值的簡單熱圖。
(https://towardsdatascience.com/using-pandas-pipe-function-to-improve-code-readability-96d66abfaf8)
- import seaborn as sns
- import matplotlib.pyplot as plt
- %matplotlib inline# Default figure format png
- sns.heatmap(df.isnull(),
- yticklabels=False,
- cbar=False,
- cmap='viridis')
默認(rèn)圖像看起來很模糊
由上圖可以看出，文本很模糊，Cabin欄中的缺失值過于擁擠，Embarked欄中的缺失值無法識別。
要解決這個(gè)問題，可在%matplotlib inline之后使用%config InlineBackend.figure_format='retina'或 %configInlineBackend.figure_format = 'svg'，即：
- %matplotlib inline
- %config InlineBackend.figure_format = 'retina' # or 'svg'sns.heatmap(df.isnull(),
- yticklabels=False,
- cbar=False,
- cmap='viridis')
圖片格式設(shè)置為retina或svg
與先前的圖片比較，上圖更加清晰，Embarked欄中的缺失值也能成功識別。
4. 在不同運(yùn)行中保持輸出穩(wěn)定
數(shù)據(jù)科學(xué)項(xiàng)目中很多地方都在使用隨機(jī)數(shù)字。例如：
- 來自Scikit-Learn的 train_test_split()
- 用于初始化權(quán)重的np.random.rand()
若未重置隨機(jī)種子，則每次調(diào)用都會出現(xiàn)不同的數(shù)字：
- >>> np.random.rand(4)
- array([0.83209492, 0.10917076, 0.15798519, 0.99356723])
- >>> np.random.rand(4)
- array([0.46183001, 0.7523687 , 0.96599624, 0.32349079])
np.random.seed(0)使隨機(jī)數(shù)字可預(yù)測：
- >>> np.random.seed(0)
- >>> np.random.rand(4)
- array([0.5488135 , 0.71518937, 0.60276338, 0.54488318])
- >>> np.random.seed(0)
- >>> np.random.rand(4)
- array([0.5488135 , 0.71518937, 0.60276338, 0.54488318])
如果(每次)都重置隨機(jī)種子，那么每次都會出現(xiàn)相同的數(shù)據(jù)組。因此，項(xiàng)目能在不同運(yùn)行中保持輸出穩(wěn)定。
5. 多單元輸出
默認(rèn)情況下，JupyterNotebook不能在同一單元中輸出多種結(jié)果。要輸出多種結(jié)果，可使用IPython重新配置shell。
- from IPython.core.interactiveshell import InteractiveShell
- InteractiveShell.ast_node_interactivity = "all"
6. 將圖片保存到文件
Matplotlib能通過savefig()方法保存圖片，但如果給定路徑不存在則會引發(fā)錯(cuò)誤。
- plt.savefig('./figures/my_plot.png')FileNotFoundError: [Errno 2] Nosuch file or directory: './figures/my_plot.png'
最好的做法是將所有圖片都放到一個(gè)地方，如工作區(qū)的figures文件夾?？墒褂肙S GUI(操作系統(tǒng)界面)或是在JupyterNotebook中運(yùn)行l(wèi)ogic指令，來手動創(chuàng)建一個(gè)figures文件夾，但是最好創(chuàng)建一個(gè)小函數(shù)來實(shí)現(xiàn)該操作。
當(dāng)需要一些自定義圖形設(shè)置或附加子文件夾來分組圖形時(shí)，這種方法尤其適用。以下是將圖片保存到文件的函數(shù)：
- import os
- %matplotlib inline
- import matplotlib.pyplot as plt# Where to save the figures
- PROJECT_ROOT_DIR = "."
- SUB_FOLDER = "sub_folder" #a sub-folder
- IMAGES_PATH = os.path.join(PROJECT_ROOT_DIR, "images", SUB_FOLDER)defsave_fig(name, images_path=IMAGES_PATH, tight_layout=True,extension="png", resolution=300):
- if not os.path.isdir(images_path):
- os.makedirs(images_path)
- path = os.path.join(images_path, name+ "." + extension)
- print("Saving figure:",name)
- if tight_layout:
- plt.tight_layout()
- plt.savefig(path, format=extension,dpi=resolution)
現(xiàn)在調(diào)用save_fig('figure_name')，會在工作區(qū)中創(chuàng)建一個(gè)images/sub_folder目錄，圖片以“figure_name.png”名稱被保存到目錄中。此外，還提供了三個(gè)最常用的設(shè)置：
- tight_layout 能自動調(diào)整子圖填充
- extension 能以多種格式保存圖片
- resolution 可設(shè)置圖片分辨率
7. 下載數(shù)據(jù)(并解壓)
處理網(wǎng)絡(luò)數(shù)據(jù)對于數(shù)據(jù)科學(xué)工作者是常事?？梢允褂脼g覽器下載數(shù)據(jù)，并運(yùn)行指令來解壓文件，但最好的是創(chuàng)建一個(gè)小函數(shù)來執(zhí)行該操作。當(dāng)數(shù)據(jù)需要定期更改時(shí)，這一點(diǎn)尤其重要。
編寫一個(gè)小腳本，在獲取最新數(shù)據(jù)時(shí)運(yùn)行(也可以設(shè)置一個(gè)定期自動執(zhí)行的計(jì)劃工作)即可。如果需要在多臺機(jī)器上安裝數(shù)據(jù)集，自動化抓取數(shù)據(jù)流程也十分有用。
以下是下載并解壓數(shù)據(jù)的函數(shù)：
- import os
- import tarfile
- import zipfile
- import urllib
- # Where to save the data
- PROJECT_ROOT_DIR = "."
- SUB_FOLDER = "group_name"
- LOCAL_PATH = os.path.join(PROJECT_ROOT_DIR, "datasets", SUB_FOLDER)defdownload(file_url, local_path = LOCAL_PATH):
- if not os.path.isdir(local_path):
- os.makedirs(local_path)
- # Download file
- print(">>>downloading")
- filename = os.path.basename(file_url)
- file_local_path =os.path.join(local_path, filename)
- urllib.request.urlretrieve(file_url,file_local_path)
- # untar/unzip file
- if filename.endswith("tgz")or filename.endswith("tar.gz"):
- print(">>>unpacking file:", filename)
- tar =tarfile.open(file_local_path, "r:gz")
- tar.extractall(path = local_path)
- tar.close()
- eliffilename.endswith("tar"):
- print(">>> unpackingfile:", filename)
- tar =tarfile.open(file_local_path, "r:")
- tar.extractall(path = local_path)
- tar.close()
- eliffilename.endwith("zip"):
- print(">>>unpacking file:", filename)
- zip_file = zipfile.ZipFile(file_local_path)
- zip_file.extractall(path =local_path)
- zip_file.close()
- print("Done")
現(xiàn)在調(diào)用download("http://a_valid_url/housing.tgz")，會在工作區(qū)創(chuàng)建一個(gè)datasets/group_name目錄，下載housing.tgz，并從該目錄中提取出housing.csv ，這個(gè)小函數(shù)也能用于CSV和文本文件。
圖源：unsplash
請查看筆者Github庫中的源代碼：
https://github.com/BindiChen/machine-learning/blob/master/data-analysis/004-7-setups-for-a-data-science-project/7-setups.ipynb
分享題目：穩(wěn)定輸出加速開發(fā)：數(shù)據(jù)科學(xué)項(xiàng)目開始時(shí)應(yīng)該包括的7個(gè)設(shè)置
轉(zhuǎn)載來源：http://www.dlmjj.cn/article/cdechde.html
