9号看书网

手机浏览器扫描二维码访问

第51章 感知机的初次实战（第2页）

经过一番分析，江寒发现，原始数据表和报名信息表里的数据，排列顺序是有规律的。

其以地区为主关键字，所在学校为次要关键字，而所在班级则是第三关键字排序。

也就是说，一个学校里，一个班级的人，都挨在一起，学校、地区之间也没有混乱。

这样就好办了。

由于临时文件已经按序号排列，重名的人拥有同样的二级序号，自然就聚拢在了一起。

这时，只要看一下这些人的所在地区和学校，就能轻松分辨出哪些是多余的，那个才是真正对应于《报名信息表》的。

如果一个班级也有同名，就只能具体情况具体分析了，实在确定不了的，就先记下来，放在一边，以后再说。

一番整理后，临时文件1已经十分接近高老师希望得到的《报名信息表》。

联系电话、家庭住址，毕业学校、班级、民族、年龄、出生年月日都有了。

接下来是重头戏，通过照片判断每个学生的性别。

幸运的是，虽然《原始数据表》里的身份证号，残缺不全，导致性别信息不可用，可是《报名信息表》里还有部分残余的性别数据。

这就给江寒减少了许多负担。

接下来，先将照片.rar解压，然后观察了一下。

三万多张照片，按学校、班级分类，放入几千个文件夹中。

每个文件的大小，都在10KB至30KB之间。

像素只有210*120，不算特别清晰，但看清面部特征，还是没什么问题的。

其中，同班级里重名的情况，都在姓名后标记着数字1、2……

江寒猜想，这可能是输入报名表的顺序。

接下来要做的，就是在临时文件1里，找到每张照片对应的人。

这很简单，照片的文件名就是姓名，轻松就能和表格里的名字对上。

在解决了数量不算很多的同班重名问题后，就生成了一个照片索引，将每一张照片和报名序号一一对应上了。

然后，是判断性别，填入新《报名信息表》对应的单元格里。

这一步，按照高老师的想法，就是一个笨功夫，用眼睛去看，然后一个一个敲进去。

这十分麻烦，而且太没效率。

江寒希望能找个轻巧的办法，能更快、更好的完成这一步。

那么，这样的办法真的有吗？

是的。

江寒毕竟搞过机器学习，编程思维有点不一样。

高老师那样的普通程序员，也能做到刚才那些步骤。

但江寒接下来的操作，就是他的思维盲区了。

机器学习里，有多种算法，都可以辅助完成这样的任务。

其中江寒最擅长的，自然是人工神经网络。