Tiền xử lý dữ liệu đề cập đến việc làm sạch dữ liệu, loại bỏ dữ liệu không hợp lệ, nhiễu, thay thế dữ liệu bằng các giá trị có liên quan, v.v. Điều này không phải lúc nào cũng có nghĩa là dữ liệu văn bản; nó cũng có thể là hình ảnh hoặc xử lý video.
Xử lý trước dữ liệu về cơ bản đề cập đến nhiệm vụ tập hợp tất cả dữ liệu (được thu thập từ nhiều tài nguyên khác nhau hoặc một tài nguyên duy nhất) vào một định dạng chung hoặc thành các tập dữ liệu thống nhất (tùy thuộc vào loại dữ liệu). Vì dữ liệu trong thế giới thực không bao giờ là lý tưởng, nên có khả năng dữ liệu bị thiếu ô, lỗi, giá trị ngoại lai, sự khác biệt trong các cột, v.v.
Đôi khi, hình ảnh có thể không được căn chỉnh chính xác, hoặc có thể không rõ ràng hoặc có thể có kích thước rất lớn. Mục tiêu của quá trình xử lý trước là loại bỏ những sai lệch và lỗi này.
Hãy để chúng tôi lấy ví dụ về việc tải lên một hình ảnh và xem nó trên bảng điều khiển bằng cách sử dụng thư viện scikit-learning -
Ví dụ
from skimage import io
path = "path to puppy.PNG"
img = io.imread(path)
print("Image being read")
io.imshow(img)
print("Image printed on console") Đầu ra
Giải thích
- Các thư viện bắt buộc đã được nhập.
- Đường dẫn nơi lưu trữ hình ảnh được xác định.
- Hàm "imread" được sử dụng để truy cập đường dẫn và đọc hình ảnh.
- Sau khi hình ảnh được đọc, các giá trị pixel được lưu trữ dưới dạng một mảng.
- Mảng này không là gì khác ngoài một mảng Numpy.
- Hình ảnh được đọc và chuyển đổi thành một mảng.
- Chức năng 'imshow' được sử dụng để hiển thị hình ảnh trên bảng điều khiển.
- Dữ liệu được hiển thị trên bảng điều khiển.