碰到的問題
參考文件
mat格式的檔案是matlab的資料儲存標準格式。根據網上的教程，我首先用scipy庫處理mat檔案
import scipy.io as scio
data = scio.loadmat(r"d:\datasets\svt\train\digitstruct.mat"
)data.keys(
)
改用h5py檔案後，首先需要知道.mat檔案的結構。
h5py所處理的是hdf5檔案，在處理.mat檔案時可以把.mat檔案當作hdf5檔案。hdf5檔案是乙個容器，用於儲存兩類物件，datasets和group，可以把datasets理解為numpy中的陣列（array）,把group理解為字典（dictionaries）。
首先用h5py開啟檔案，用data.keys()檢視字典中的keys
import h5py
data = h5py.file(path,
'r')
print
(data.keys(
))
我們所需的資訊在digitstruct中，digitstruct仍是乙個group，包含兩個資料
分別問bbox和name
array_data = data[
'digitstruct'
]print
(array_data.keys(
))
[1]. h5py快速入門指南
[2]. h5py，在svhn中訪問資料集中的資料
如何處理乙個文字資料集
目前有大量的資料集，但是不一定每個資料集對於你來說是一上手就可以使用的。而資料預處理對於乙個文字分類的結果來說，是非常重要的。目前我記錄一下我的資料預處理的一些方式 文字資料集有許多的不同的語種，就目前而言，中文，英文這些相對使用量大的語言，那麼這樣就分為大語種和小語種有不同的處理方式了。大語種的話...
ORACLE如何處理海量資料
當前資料存在的問題 一 資料量過大，資料中什麼情況都可能存在。如果說有10條資料，那麼大不了每條去逐一檢查，如果資料上到千萬級別，甚至過億，那不是手工能解決的了，必須通過工具或者程式進行處理，尤其海量的資料 二 軟硬體要求高，系統資源佔用率高。對海量的資料進行處理，除了好的方法，最重要的就是合理使用...
如何處理分類中的訓練資料集不均衡問題
在分類中，訓練資料不均衡是指不同類別下的樣本數目相差巨大。舉兩個例子 在乙個二分類問題中，訓練集中class 1的樣本數比上class 2的樣本數的比值為60 1。使用邏輯回歸進行分類，最後結果是其忽略了class 2，將所有的訓練樣本都分類為class 1。在三分類問題中，三個類別分別為a，b，c...