時系列データを前処理する際のPython逆引きメモ - EurekaMoments
機械学習のための「前処理」入門 作者:足立悠リックテレコムAmazon 目的 データ分析の仕事をする中で最も扱う機会が多いのが 時系列データだと思います。その中で欠損値を扱ったり、 統計を取ったり、特徴量を作り出したりするのですが、 毎回やり方を忘れてググっているので、上記の書籍を読んで こういった前処理の方法をいつでも確認できるように メモしておこうと思います。 目次 目的 目次 日時のデータをdatetime型に変換する 最初の日時からの経過時間を計算する 各データの統計量を計算する 欠損値の確認と補完 経過時間の単位を変換する データフレーム結合する 基準日時からの経過時間を計算する 重複した行を削除する 特定のデータ列をインデックスにする 部分的時系列を抽出して統計量を計算する データフレームの各列をリストにして結合する 不均衡データから教師データを作成する データの読み込みと可視
Juliaで学ぶ確率ロボティクス～センサデータの概要把握～ - EurekaMoments
詳解 確率ロボティクス Ｐｙｔｈｏｎによる基礎アルゴリズムの実装 (ＫＳ理工学専門書) 作者:上田隆一発売日: 2019/12/20メディア: Kindle版 目次 目次 はじめに GitHubリポジトリ センサデータを分析することの意義 センサのサンプルデータ データの概要把握 必要なJuliaパッケージの読み込み データファイルのパスの指定 ファイルの読み込みとデータフレーム作成 データの概要の出力 コードのモジュール化 まとめ はじめに 上記の書籍を参考に、Juliaコードにより ロボティクスの技術を学べるプロジェクトを 前回記事からスタートしました。 www.eureka-moments-blog.com 今回からは書籍の第2章にあたる、確率と 統計の基礎について紹介していくとして、 まずはプロジェクト内で扱うセンサデータの 概要把握について解説します。 GitHubリポジトリ 本
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
