以数组列表为数据集的机器学习算法

Question

我是数据科学的新手，我正在寻找机器学习算法，它将数据集作为数组的列表，每个数组都有浮动数据序列

有一点上下文：我们有一些从用户运动中获取的天使，通过这些天使我们确定用户是否做了正确的运动，我们系统中表示在数组列表中的运动，每个数组都有天使序列，请提供帮助吗？我找了很多时间，但没有结果！

Answer 1

去看看干净点。这是一个伟大的图书馆，为新的机器学习用户。我建议只使用动量的标准反向传播算法。已经证明，新的自适应学习技术不如具有动量的简单梯度反向传播算法。

它很容易实现。它将被实现，例如使用以下代码，

A:创建数据集

x = np.zeros((len(list[0]),len(list)))
for i in np.arange(len(list)):
    for j in np.arange(len(list[0]):
        x[i][j] = list[i][j]

这将是输入。然后创建架构

B:创建架构

network = layers.Input(len(list[0])) > layers.Sigmoid(int(len(list[0])/2)) > layers.Sigmoid(2)

C:使用带动量的梯度下降

gdnet = layers.Algorithms.Momentum(network,momentum=0.1)
gdnet.train(x,y, max_iter=1000)

其中y是兴趣的运动。

D:预测运动

y_predicted = gdnet(x)

Answer 2

通常，大多数库都采用numpy数组作为输入。有许多方法可以将数据转换成这种格式。我发现熊猫(https://pandas.pydata.org/pandas-docs/stable/)是最方便的方式。如果您有.csv文件、excel工作表或其他常见的结构化格式的数据，那么熊猫就可以毫无痛苦地加载这些数据。

如果你提供一些更多的细节(你在使用机器学习库(比如sci)，数据的格式是什么)，我可以提供更多的帮助。