【数据分析与挖掘】

学习笔记(46):零基础搞定Python数据分析与挖掘-关系型数据的可视化

立即学习:https://edu.csdn.net/course/play/6861/326791?utm_source=blogtoedu散点图的绘制如果需要研究两个数值型变量之间是否存在某种关系，例如正向的线性关系，或者是趋势性的非线性关系，哪么散点图将是最佳的选择。scatter（x,y,s=20,c=None,maker='o',alpha=None,linewidths=None,edg
浪子建·2020-07-05 18:43

学习笔记(42):零基础搞定Python数据分析与挖掘-离散型数据的可视化（一）

立即学习:https://edu.csdn.net/course/play/6861/326789?utm_source=blogtoedu1、离散型数据的可视化2、连续型数据的可视化3、关系型数据的可视化4、多图形组合1.1离散型数据的可视化饼图的绘制饼图属于最传统的统计图形之一，几乎随处可见，例如大型公司的屏幕墙，各种年度论坛的演示稿，以及各大媒体发布的数据统计报告等饼图是将一个圆分割成不同的
浪子建·2020-07-05 18:43

数据采集与预处理技术考点复习——第一、二章

处理速度也快，时效性要求高（5）准确性：数据处理结果保证一定的准确性和可信赖度（6）复杂：由于数据大量、多样，产生速度快，对数据处理和分析的难度大2.简述大数据处理过程①大数据采集②大数据预处理③大数据存储④大数据分析与挖掘
手捧宇宙星河·2020-07-05 11:37

python数据分析与挖掘实战第六章拓展思考题

拓展思考题是汽车是否偷漏税识别问题。文中代码有借鉴网友和书中代码。查看数据后进行以下分析1、数据探索对数据进行简单分析，看销售模式和销售类别对偷漏税是否有影响importpandasaspdimportmatplotlib.pyplotaspltplt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=
tatumWei·2020-07-05 08:33

Python合并(拼接)多个CSV文件

笔者最近做数据分析与挖掘，经常遇到要合并CSV文件的问题，正好练习Python遂使用Python的Pandas库进行拼接，记下和大家分享，大家有更好的方法欢迎评论交流。'''
Kerwin_Kuang·2020-07-04 20:19

Python数分析实战2--航空公司客户价值分析

文章首发于公众号：1024程序开发者社区0.引言本文是在学习《Python数据分析与挖掘实战》时的一个记录，文中代码可点击下载，对书中部分代码进行改动以适应新版本。
bc_zhang·2020-07-04 15:55

基于京东手机销售数据用回归决策树预测价格

今天给大家推荐一个数据分析与挖掘的实战项目案例“基于京东手机销售数据用回归决策树预测价格”。该项目先基于京东手机销售数据做出一系列分析后，利用回归决策树仅根据手机外部特征进行价格预测。
alss13237·2020-07-04 10:57

各行业领域数据集整理送给大家！

欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！
R3eE9y2OeFcU40·2020-07-04 07:36

生活不只有BAT，还有这些市值超1000亿的快消公司

欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！
R3eE9y2OeFcU40·2020-07-04 07:35

数据分析告诉你，鲁迅的文章真的是匕首投枪

欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！
R3eE9y2OeFcU40·2020-07-04 07:05

优雅的实现打印requestId

感谢关注天善智能，走好数据之路↑↑↑欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！
R3eE9y2OeFcU40·2020-07-04 07:34

《Python数据分析与挖掘实战》学习笔记——家电用户行为分析与事件识别

1.背景与挖掘目标背景：根据热水器采集的用户时间序列数据，分析用户的使用行为，比较不同客户群的使用习惯，优化产品、制定营销策略。目标：（1）划分一次完整用水事件（2）在划分的用水事件中识别洗浴事件2.分析数据抽取智能热水器状态改变或者水流量为非零时，每两秒采集一条状态数据，采集频率高，且数据来自大量用户，数据总量大。本例通过无放回随机抽样法抽取200家热水器用户从2014.1.1至2014.12.
opppps·2020-07-02 17:12

读《python 数据分析与挖掘实战》之一

数据挖掘的基本任务数据挖掘的基本任务包括利用分类与预测，聚类分析，关联规则，时序模式，偏差检测，智能推荐等方法，帮助企业提取数据中蕴含的商业价值，提高企业的竞争力。数据挖掘建模过程定义挖掘目标针对具体的数据挖掘应用需求，首先要明确本次挖掘目标是什么？系统完成后能达到什么样效果？数据取样明确了需要进行数据挖掘的目标后，接下来就需要从业务系统中抽取一个与挖掘目标相关的样本数据子集。抽取数据的标准，一相
行路者-慢慢来·2020-07-02 17:03

python数据分析与挖掘实战 第七章 拓展思考

流失客户分类模型1数据预处理如果动手做过的人可能面临的第一个问题就是，这数据读进pandas怎么弄编码结果都是错的。如果你存在这样的问题，那么我建议你使用NotePad++载入文件以后，改成无BOM的UTF-8编码，然后就可以正常读取了。数据预处理部分根据书上的条件，预处理需要分以下几条：1、老客户：飞行次数大于6次2、已流失客户：第二年飞行次数’L1Y_Flight_Count’低于第一年飞行次
望月怀古·2020-07-02 17:45

python数据分析与挖掘实战 第九章 拓展练习

这一章的拓展练习感觉是比较简单的。基本上没有太多让人纠结的地方。没有特征提取和数据规约，让事情简单了不少。当然不包括写出C4.5的决策树，我也没有那么写。读取数据，划分训练集和测试集，不用多说。虽然题目要求的使用决策树，不过我依然使用了SVC做了一次。很巧合的是，同样也是要把train放大，我这里放大了30倍，但好像这不是我测试中效果最好的一次，不过就这一把，有兴趣各位可以再试。结果如下：这是训练
望月怀古·2020-07-02 17:45

python数据分析与挖掘实战---基于水色图像的水质评价拓展训练

importpandasaspdfileTest='chapter9/test.xls'dataT=pd.read_excel(fileTest,encoding='utf-8')#读取数据，指定编码#将IIIIIIIVVVI转换为数字dataT.loc[(dataT[u'空气等级']=='I'),u'空气等级']=1dataT.loc[(dataT[u'空气等级']=='II'),u'空气等级'
小亚文·2020-07-02 17:53

Python数据分析与挖掘实战代码纠错 代码5-1

在运行python数据分析与挖掘实战代码5-1时，调试不同出现以下错误：经测试，参数不匹配引起的错误。修改代码如下：#-
qq_23261961·2020-07-02 16:11

数据分析与挖掘实例（1）-数据预处理

数据预处理问题分析无关特征删除数据类型转换缺失值处理问题分析此次要处理的数据是预测贷款用户是否会逾期。数据中共有89个field，其中“status”是结果标签：0表示未逾期，1表示逾期，其余的数据可以看做是变量。故将其归类为分类预测问题。在做数据分类之前，先对数据进行分析与预处理。通过对数据的观测，可见预处理的部分包括：无关特征删除、数据类型转换、缺失值处理、特征优化无关特征删除在88个变量中，
jebelyan·2020-07-02 05:53

《Python数据分析与挖掘实战》第六章案例代码总结与修改分析

第六章案例代码总结与修改分析【有问题或错误，请私信我将及时改正；借鉴文章标明出处，谢谢】6-1(拉格朗日插值法)代码报错：原因：y=s[list(range(n-k,n))+list(range(n+1,n+1+k))]#取数修改为：y=s.reindex(list(range(n-k,n))+list(range(n+1,n+1+k)))#取数6-2(利用训练样本构建LM神经网络的混淆矩阵及绘制
fy_1852003327·2020-07-02 00:44

《Python数据分析与挖掘实战》张良均，第三章学习笔记

第三章数据探索【有问题或错误，请私信我将及时改正；借鉴文章标明出处，谢谢】第三章相关代码看我的文章：《Python数据分析与挖掘实战》第三章案例代码总结与修改分析通过检验数据集的数据质量、绘制图表、计算某些特征量等手段
fy_1852003327·2020-07-02 00:11

Python数据分析与挖掘实战_张良均

一、Python数据分析工具二、数据探索一、对数据的质量分析异常值的分析：1.简单的统计量分析：查看最大最小值是否在合理范围2.3δ原则，在正态分布下异常值被定义为一组定值与平均值的距离超过3倍的标准差。3.箱形图分析：异常值被定义为小于QL-1.5IQR或大于QR+1.5IQRQL是所有数据的下四分位，QR是所有数据的上四分位。IQR是QR-QLDataFrame中describe()已经给出了
__meteor·2020-07-01 23:49

R语言 处理缺失值（二）

setwd("F:/数据及程序/chapter4/示例程序")#读取销售数据文件，提取标题行inputfile=read.csv('E:\\大三下半年\\R语言数据分析与数据挖掘\\图书资料\\R语言数据分析与挖掘实战
程志伟·2020-07-01 19:44

航空公司客户价值分析(上)

本案例来自《Python数据分析与挖掘实战》一书，相关数据集可以在本书的电子资料中找到，下面的一些内容很多都是吸收了书上的内容然后加以改变。
一个两个n多个·2020-07-01 19:05

python爬虫

一、正则表达式#python网络爬虫#通用网络爬虫（没有目的，爬去所有的URL）聚焦网络爬虫（过滤无关的链接）#python数据分析与挖掘实战的正则表达式#正则表达式世界上信息非常多，而我们关注的信息有限
bingoabin·2020-07-01 18:08

《Python数据分析与挖掘实战-张良均等人著》读书笔记

文章目录第一章数据挖掘概念第二章Python数据分析第三章数据探索第四章数据预处理第五章模型构建1.分类与预测2.聚类分析3.关联规则4.时序模式5.离群点检测总结参考文献第一章数据挖掘概念以餐饮行业中所存在的数据挖掘需求作为切入点，引出了数据挖掘的概念。数据挖掘的定义：从大量数据（包括文本）中挖掘出隐含的、未知的、对决策有潜在价值的关系、模式和趋势，并用这些知识和规则建立用于决策支持的模型，提供
Idea King·2020-07-01 18:21

“python数据分析与挖掘实战第十二章——电子商务网站用户行为分析及服务推荐“学习笔记

“python数据分析与挖掘实战第十二章——电子商务网站用户行为分析及服务推荐“学习笔记写在前面算法代码理解分割网址，提取网页标题作为用户喜欢类型训练集训练笔记附送得到所有107网页类型的代码写在前面这篇博客会讲到
bbboombp·2020-07-01 18:35

python数据分析与挖掘学习笔记（7）-交通路标自动识别实战与神经网络算法

这一节主要涉及神经网络算法，由此展开交通路标自动识别的应用。交通路标的自动识别其实就是一个分类问题。对于分类问题，我们有很多的方法来实现，比如KNN，贝叶斯等。关键点在于图片转文本。本节采用人工神经网络算法来进行识别。人工神经网络（ArtificialNeuralNetwork）是简称神经网络(NN)，是基于生物学中神经网络的基本原理，在理解和抽象了人脑结构和外界刺激响应机制后，以网络拓扑知识为理
小胖子小胖子·2020-07-01 15:15

蔡徐坤用户画像

欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！
R3eE9y2OeFcU40·2020-07-01 12:39

《美团机器学习实践》—— 思维导图

欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！
R3eE9y2OeFcU40·2020-07-01 12:39

Python数据可视化：豆瓣电影TOP250

欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！
R3eE9y2OeFcU40·2020-07-01 12:39

R语言ETL系列：汇总（summarise）

欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！
R3eE9y2OeFcU40·2020-07-01 12:39

Python 数据科学速查表 - Numpy、Pandas、Matplotlib 及 Jupyter Notebook

欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！
R3eE9y2OeFcU40·2020-07-01 12:38

哪些股票值得长期投资？用Quantmod金融包分析

感谢关注天善智能，走好数据之路↑↑↑欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！
R3eE9y2OeFcU40·2020-07-01 12:07

《Python数据分析与挖掘实战》第12章转换0-1矩阵代码修改

基于物品的协同过滤推荐书中第12章的推荐系统主要采用协同过滤算法，通过Jaccard相似系数，计算物品之间相似度，完成计算后构成物品之间的相似度矩阵，最后推荐算法会给用户推荐最相似的K个物品。1.遇到的问题在构建0-1矩阵的过程中速度太慢解决：通过构建数字和原矩阵的行列字段名字典替换掉了原矩阵的行列字段名称，在构建0-1矩阵过程中采用D[b][a]这样的方式替换了D.loc的方法，最后成功得到结果
ConsTantTine·2020-07-01 08:21

数据分析与挖掘实战-航空公司客户流失分析

实战背景如今的营销已经远远不同于过去了，那个一张传单一则广告的时代结束了，这是个大数据的时代。一个时代有一个时代的生存法则，那些没有适应时代的企业，即使曾经是个庞然大物，今天也几乎不见踪影。在航空公司这个特殊的领域，国内竞争还是很严峻的，一个顾客的流失造成的损失是4-5个新顾客的流入所不能弥补的，分析用户（特别是会员用户）相关信息，建立模型，发现流失用户特征，制定针对性营销策略，挽留用户是企业生存
周先森爱吃素·2020-07-01 07:25

决策树可视化（sklearn、graphviz）——python数据分析与挖掘实战 5-2 决策树预测销售量高低

若按照书上代码运行会出现如下报错（这是因为代码在截取数据时将属性值转为了矩阵）：AttributeError:'numpy.ndarray'objecthasnoattribute'columns'解决办法：方法一：添加代码：x=pd.DataFrame(x)方法二：将代码：x=data.iloc[:,:3].as_matrix().astype(int)y=data.iloc[:,3].as_m
yyj_me·2020-07-01 07:11

《Python数据分析与挖掘实战》第12章——电子商务网站用户行为分析及服务推荐（协同推荐）数据探索分析篇①

文章目录1背景与目标分析2.数据探索分析2.1网页类型分析2.1.1统计各个网页类型所占的比例2.1.2网页107类型中的内部统计2.1.3统计带"?"问号网址类型统计2.1.4统计199类型中的具体类型占比2.1.5统计瞎逛用户中各个类型占比2.2点击次数分析2.2.1统计点击次数2.2.2点击次数与用户数量关系2.2.3统计1~7次数及7次以上的点击数2.2.4浏览一次的用户行为分析2.3网页
王大阳_·2020-07-01 06:56

Python分类预测模型特点

读《Python数据分析与挖掘实战》笔记常见的模型评价和在Python中的实现——模型模型特点位于逻辑回归比较基础的线性分类模型，很多时候是简单有效的选择sklearn.linear_modelSVM强大的模型
小白tree·2020-07-01 06:44

数据分类

在数据分析与挖掘中，我们通常需要根据一些数据建立起特定的模型，然后处
时光1234·2020-07-01 06:06

读书笔记之Python数据分析与挖掘实战

今天也要加油鸭～这是一份总结的学习笔记路漫漫其修远兮，吾将上下而求索可阅读可评论可分享可转载，希望向优秀的人学习前言这是对Python数据分析和挖掘实战的读书笔记。书本分为两部分：一部分是理论，一部分是实战。第一章数据挖掘基础数据挖掘的基本任务：分类和预测、聚类分析、关联规则、时序模式、偏差检测、智能推荐等数据挖掘建模过程定义挖掘目标：智能推荐、精准化营销、趋势预测、大数据分析数据取样：随机采样、
URSpecial.·2020-07-01 04:04

《Python数据分析与挖掘实战》学习笔记——基础知识

一.数据挖掘的基本任务包括分类与预测、聚类分析、关联规则、时序模式、偏差检测、智能推荐等方法建模过程目标定义数据采样数据整理构建模型模型评价模型发布定义挖掘目标数据采集数据探索&预处理挖掘建模模型评价挖掘工具windows系统python3.7numpypandasskilearn等库pyhcarn专业版jupyternotebook二.数据探索数据质量分析数据特征分析1.数据质量分析缺失值删除记
opppps·2020-07-01 03:57

python数据分析与挖掘实战---基于水色图像的水质评价（混淆矩阵和学习曲线）

1.数据下载地址：https://download.csdn.net/download/qq_26645205/104324632.模型构建抽取80%作为训练样本，剩下20%作为测试样本此案例是《python数据分析与数据挖掘》的第九章，在p200我们可以看到特征的取值范围都在0~1之间，换句话说，如果我们直接输入SVM模型的话，彼此之间的区分度会比较小，因此我们需要做一个放大处理，当然放大系数K
小亚文·2020-07-01 03:43

时间序列聚类方法的研究

在众多的时间序列中，有一些序列存在相关性，如果我们能将时序数据进行快速准确地聚类，只对不同类别的数据进行分析，这样就能大大降低后续数据分析与挖掘工作的开销。
ZVAyIVqt0UFji·2020-07-01 01:59

吐血整理！万字原创读书笔记，数据分析的知识点全在这里了

作者：JaneK，希望能够成为数据分析师本文目录：Python数据分析与挖掘01基本知识02数据获取03数据预处理04分析与挖掘方法Python数据化运营案例05会员数据化运营06商品数据化运营07流量数据化运营
大数据v·2020-06-30 19:10

2019最后一个月Python继续霸榜，想上车？看这份书单

1《Python数据分析与挖掘实战》（第2版
大数据v·2020-06-30 19:10

数据分析与挖掘-python常用数据探索函数

在python中，主要两个库用于数据探索，一个是Pandas（用于数据分析，这可能是数据分析领域最强的python库），另一个是Matplotlib（用于数据可视化，绘制图表，起源于MATLAB）。1.基本统计特征函数下面介绍的函数主要作为Pandas的两大基本对象Series和DataFrame的方法出现。主要特征函数方法名函数功能sum()计算和（按列）mean()计算平均数(按列）var()
周先森爱吃素·2020-06-30 16:47

数据分析与挖掘理论-数据预处理

数据预处理一般而言，数据分析和数据挖掘领域的处理的数据都是海量的数据，这样的数据难免会出现问题。数据预处理占到数据挖掘工作的60%，这是最重要也是最核心的领域，分为数据清洗、数据集成、数据变换和数据规约。数据清洗删除无关数据、重复数据、平滑噪声数据、处理缺失值和异常值。缺失值处理插补删除在数据量很少的情况下，这是利用数据为代价换取完备，是不合理的。插值模型拉格朗日插值法（scipy实现）牛顿插值法
周先森爱吃素·2020-06-30 16:16

数据挖掘与数据分析(快速入门)

数据分析与挖掘技术能做什么事情：数据挖掘
Vain957·2020-06-30 06:16

Python数据分析与挖掘学习笔记二:Numpy

用于处理任意维度的数组Numpy（NumericalPython）是一个开源的Python科学计算基础库，包含：一个强大的N维数组对象ndarray广播功能函数整合C/C++/Fortran代码的工具线性代数、傅里叶变换、随机数生成等功能同时Numpy是SciPy、Pandas等数据处理或科学计算库的基础numpy与Python原生list相比的优势numpy数组在数值运算方面的效率优于Pytho
94v587·2020-06-30 00:34

Python数据分析与挖掘学习笔记一:库和环境搭建

概念介绍:数据分析:用适当的统计分析方法对收集来的大量数据进行详细研究和概括总结，以求最大化地发挥数据的作用，提取有用信息和形成结论数据挖掘:从大量数据中通过算法搜索隐藏于其中信息的过程.数据分析的三大作用：现状分析、原因分析、预测分析。数据分析的流程:1.明确目的与思路：先决条件、提供方向2.数据收集：数据库、其他媒介(使用爬虫,网站下载)3.数据处理：清洗、转化、提取、计算(保留原始数据)4.
94v587·2020-06-30 00:01
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他