Dataframes，csv和CNTK

Question

我一直在玩弄CNTK，并发现模型只能使用numpy数组进行训练。它是否正确？

这是有道理的，图像识别等

我怎么会变成我的整洁数据集（读如使用熊猫一个数据帧）转换为可以锻炼逻辑回归与格式？我曾试图把它读成numpy的阵列

np.genfromtxt(“My.csv",delimiter=',' , dtype=float) 

，我也试图与

np.array.MyVeriable.astype('float32') 

包裹变量，但我没有得到我想要能够养活一个模型结果。

我也找不到教程中有关如何在CNTK中的表格数据框上执行ML的任何内容。

不支持？

Answer 1

CNTK 104显示了如何使用熊猫数据框和numpy。

https://github.com/Microsoft/CNTK/blob/master/Tutorials/CNTK_104_Finance_Timeseries_Basic_with_Pandas_Numpy.ipynb

CNTK 106B展示了如何读取使用CSV文件中的数据。

https://github.com/Microsoft/CNTK/blob/master/Tutorials/CNTK_106B_LSTM_Timeseries_with_IOT_Data.ipynb

Answer 2

感谢您使用这些链接。这是我最后读的CSV它似乎工作，但萨彦请纠正需要：

def generate_data_from_csv(): 

# try to find the data file local. If it doesn't report "file does not exists" if it does report "using loacl file" 
data_path = os.path.join("MyPath") 
csv_file = os.path.join(data_path, "My.csv") 
if not os.path.exists(data_path): 
    os.makedirs(data_path) 
if not os.path.exists(data_file): 
    print("file does not exists") 
else: 
    print("using loacl file") 

df = pd.read_csv(csy_file, usecols = ["predictor1", "predictor2", 
"predictor3", "predictor4", "dependent_variable"], dtype=np.float32) 

return df 

然后我保存的数据帧作为training_data

training_data = generate_data_from_csv() 

然后我打开那个数据帧到numpy的阵列如下

training_features = np.asarray(training_data[[["predictor1",  
"predictor2", "predictor3", "predictor4",]], dtype = "float32") 
training_labels = np.asarray(training_data[["dependent_variable"]], 
dtype="float32") 

的训练我用这个代码的模型：

features, labels = training_features[:,[0,1,2,3]], training_labels