如何解决时间集预测
我正在这个存储库 https://github.com/yule-BUAA/DNNTSP 上工作,在数据文件夹中,数据采用 json 格式。我无法弄清楚数据是如何以这种格式存储的。我需要将逻辑应用于其他一些数据集以与此模型一起使用。 我尝试使用嵌套字典作为但仍然模型不接受,有人可以帮助我。 我的方法到现在。 从 sklearn.model_selection 导入 train_test_split 导入点击 将熊猫导入为 pd 进口AST 导入json 将熊猫导入为 pd 从集合导入 defaultdict def load_data(rating_filepath="prac.dat"): """加载提取的电影镜头数据。"""
d={}
nrows = None
df = pd.read_table(rating_filepath,sep="::",names=["user_id","movie_id","rating","timestamp"],engine='python')
x_train,x_test = train_test_split(df,test_size=0.2)
x_train["user_id"] = x_train["user_id"].astype(str)
for i in x_train['user_id'].unique():
d[i] = [[x_train['movie_id'][j],x_train['timestamp'][j]] for j in x_train[x_train['user_id']==i].index]
with open("r.json",'w') as out:
json.dump(d,out)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。