数据分析与挖掘

《Python数据分析与挖掘实战》第7章——kmeans

本文是基于《Python数据分析与挖掘实战》的实战部分的第七章的数据——《航空公司客户价值分析》做的分析。旨在补充原文中的细节代码，并给出文中涉及到的内容的完整代码。
江流静一·2023-10-31 16:11

大数据营销知识点总结

数据传播高速性4.大数据的真实性、价值性、易变性；结构化数据、半结构化数据、非结构化数据大数据处理的基本流程图大数据关键技术：1.大数据采集2.大数据预处理3.大数据存储及管理4.大数据安全技术5.大数据分析与挖掘
康我野蛮生长·2023-10-30 04:19

python 可视化

Python相关的开发工作，很难绕过数据这一关，无论是做数据分析与挖掘，还是机器学习、计算机视觉。因此，一款好用的Python可视化工具，可以让开发效率得到极大的提升。
huangjeake·2023-10-25 06:12

未来交通实验室联盟理事会正式成立

未来交通实验室联盟由从事交通规划、交通设计、交通管理、智能交通、交通模型、交通数据分析与挖掘等单位和相关地方规划协会自愿组成，是集专业性、行业性和联合性于一体的行业性非营利性社会组织
智能交通技术·2023-10-16 14:50

从零开始学python数据分析与挖掘

目录第1章数据分析与挖掘概述1.1什么是数据分析和挖掘1.2数据分析与挖掘的应用领域1.2.1电商领域——发现破坏规则的“害群之马”1.2.2交通出行领域——为打车平台进行私人订制1.2.3医疗健康领域
我闻 如是·2023-10-12 08:49

python数据建模与KNN算法实现手写体数字识别

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，然后处理。模型的建立需要依赖于算法,--般,常见的算法有分类、聚类、关联、回归等。
clover521·2023-10-10 05:46

得ChatGPT者，得智能客服天下？

智能客服系统应运而生，智能客服系统对客服的赋能作用和价值主要表现在提高效率、降低成本、优化用户体验、深度挖掘用户需求、数据分析与挖掘等方面。借助这些优势，企业、机构可以为用户提供更好的服务。
数据猿·2023-10-09 03:04

win10安装Anaconda，配置Pytorch环境

Anaconda自带Python（选中版本）解释器以及其他一些数据分析与挖掘需要的模块而无需用户手动添加这些常用模块（安装模块会出现各种错误）。
菜鸟的追梦旅行·2023-10-07 04:31

python数据分析与挖掘之 聚类算法

第五章数据建模(一)聚类分析1、主要方法2、距离分析度量样本之间的相似性，采用距离算法：文档相似性度量3、K-means分类#-*-coding:utf-8-*-#使用K-Means算法聚类消费行为特征数据importpandasaspd#参数初始化inputfile='../data/consumption_data.xls'#销量及其他属性数据outputfile='../tmp/data_t
bduwps8393·2023-10-02 15:18

Python3数据科学包系列(三):数据分析实战

Python3(基础|高级)语法实战(|多线程|多进程|线程池|进程池技术)|多线程安全问题解决方案Python3数据科学包系列(一):数据分析实战Python3数据科学包系列(二):数据分析实战一:数据分析与挖掘认知升维我们知道在数据分析与数据挖掘中
蜗牛杨哥·2023-10-02 13:48

Python 数据分析与挖掘（一）

Python数据分析与挖掘（数据探索）数据探索1.1需要掌握的工具（库）1.1.1Nump库Numpy提供多维数组对象和各种派生对象（类矩阵），利用应用程序接口可以实现大量且繁琐的数据运算。
尚棹芸·2023-10-01 21:09

python 大数据入门教程

Python数据分析与挖掘技术概述所谓数据分析，即对已知的数据进行分析，然后提取出一些有价值的信息，比如统计平均数，标准差等信息，数据分析的数据量可能不会太大，而数据挖掘，是指对大量的数据进行分析与挖倔
RedPintings·2023-09-30 23:55

数据特征分析

本文内容摘自《Python数据分析与挖掘实战》1.分布分析分布分析能揭示数据的分布特征和分布类型。
清梦载星河·2023-09-15 14:17

数据分析面试

数据分析相关的职位面试可以拆解为以下三块：1）技术基础2）项目经验提问3）业务问题【数据分析与挖掘（二）】面试题汇总(附答案)_数据分析面试常见问题及答案_youthlost的博客-CSDN博客我裸辞去面试
zr_xs·2023-09-05 11:36

python数据分析与挖掘实战(电子商务网站用户行为分析及服务推荐）

importosimportpandasaspd#修改工作路径到指定文件夹os.chdir("D:/pyhoncode")#第一种连接方式fromsqlalchemyimportcreate_engineengine=create_engine('mysql+pymysql://root:123456@localhost:3306/test?charset=utf8')sql=pd.read_sq
STARSpace8888·2023-08-31 23:34

数据分析专题报告范文6篇_数据分析系列篇（6）:如何写好一个专题的分析报告...

原标题：数据分析系列篇(6):如何写好一个专题的分析报告感谢关注天善智能，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
weixin_39692245·2023-08-22 10:20

python量化投资培训清华大学深研院_Python量化投资远程班

2017年6月10-11,17-18日四天讲师介绍：王小川，同济大学管理学博士，MATLAB技术论坛管理团队核心成员，经管之家(原人大经济论坛)数据分析与挖掘课程培训Python主讲导师，证券从业人员。
评述员詹俊·2023-08-15 11:54

chatgpt赋能python：Python如何统计数字出现次数

Python如何统计数字出现次数统计数字出现次数在编程中是经常会遇到的需求，特别是在数据分析与挖掘领域。Python语言提供了一种简单而高效的方式来完成这项任务。
liangzijiaa·2023-08-08 21:04

基于PINN的传播动力学研究

分享者：中国传媒大学大数据分析与挖掘实验室博士生张志强众所周知，我们处于网络信息大爆炸的时代。
飞桨PaddlePaddle·2023-08-07 16:49

数据分析与挖掘技能通讲（一）框架

理解一门学问，最重要的是先搭建起框架。框架就犹如是房屋的梁和柱，只有框架搭得稳，才能扎根牢、立得住。数据分析技能的框架，可以归为以下：采集（数据获取）——清洗（数据整理）——探索——分析——建模——展示这是按照数据从产生到最后产生价值的流程进行的归纳总结。本质上讲，数据分析工作的实质就在于利用各种工具（领域知识、数据知识、计算机知识），加工数据，产生商业价值。采集数据来源埋点上报什么是埋点埋点的作
dgbd·2023-08-06 00:31

pandas 多折线图_历时1年多，我的第二本新书可以呈现给您啦！先送上5本福利！...

出发点2018年年初开始了处女作的编写，并在当年10月上线《从零开始学Python数据分析与挖掘》。
weixin_39623716·2023-08-03 04:59

python数据分析工具

python数据分析与挖掘相关的扩展库；扩展库简介NumPy提供数组支持以及相应的高效的处理函数SciPy提供矩阵支持以及矩阵相关的数值计算模
茨球是只猫·2023-07-27 03:18

python数据分析与挖掘 | 数据探索

有了样本数据，该如何展开数据分析工作呢？首先，就是观察，先看懂数据，这在后续工作中起到事半功倍的作用。要考虑的问题比如：样本数据集的数量和质量是否满足模型构建的要求？是否有明显的规律和趋势？各元素之间是否有关联性？以上都是在这个阶段要考虑的问题。数据探索就是通过检验数据集的数据质量、绘制图表、计算特征量等方法，对样本数据集的结构和规律进行分析。它可以帮助选择合适的数据预处理和建模方法，解决问题。数
小田学Python·2023-07-24 23:20

图书推荐|Python数据分析与挖掘实战（第2版）

Python数据分析与挖掘实战（第2版）一共分为三个部分，包括基础篇（第1～5章）、实战篇（第6～12章）、提高篇（第13章）。
泰迪智能科技·2023-06-22 22:02

在 Python 中替换字符串中的字符的方法有哪些？

（文末送读者福利）1.准备开始之前，你要确保Python和pip已经成功安装在电脑上，如果你用Python的目的是数据分析，可以直接安装Anaconda：Python数据分析与挖掘好帮手—Anaconda
Python副业·2023-06-16 07:26

Python3数据分析与挖掘建模（16）特征降维与特征衍生

1.特征降维（PCA）回顾知识点：特征降维是指将高维特征空间的数据映射到低维空间的过程，以减少特征的数量并保留数据的主要信息。下面是特征降维的一般步骤：（1）求特征协方差矩阵：对原始数据进行预处理，计算特征之间的协方差矩阵。协方差矩阵描述了特征之间的线性关系。（2）求协方差的特征值和特征向量：对协方差矩阵进行特征值分解，得到特征值和对应的特征向量。（3）排序选择特征：将特征值按照从大到小的顺序进行
鮀城小帅·2023-06-15 23:07

Python3数据分析与挖掘建模（13）复合分析-因子关分析与小结

1.因子分析1.1探索性因子分析探索性因子分析（ExploratoryFactorAnalysis，EFA）是一种统计方法，用于分析观测变量之间的潜在结构和关联性。它旨在确定多个观测变量是否可以归结为较少数量的潜在因子，从而帮助简化数据集和提取隐藏的信息。在探索性因子分析中，我们收集一组观测变量的数据，并试图找到解释这些变量之间关系的较少数量的潜在因子。这些潜在因子是无法直接观测到的，但它们可以通
鮀城小帅·2023-06-14 11:39

python数据分析与挖掘建模_《python数据分析与挖掘实战》之挖掘建模

经过数据探索与数据预处理，我们得到了可以直接建模的数据。根据挖掘目标和数据形式可以建立分类与预测、聚类分析、关联规则、时序模式和偏差检测等模型。挖掘建模分类和预测是预测问题的两种类型，分类主要是预测分类标号(离散属性)，而预测主要是建立连续值函数模型，预测给定自变量对应的因变量的值。回归分析：回归分析是确定预测属性(数值型)与其他变量间相互依赖的定量关系最常用的统计学方法。包括线性回归、非线性回归
weixin_39640262·2023-06-14 11:38

python数据分析与挖掘实战—第5章（挖掘建模）（1）

经过数据探索与数据预处理，得到了可以直接建模的数据。根据数据挖掘目标和数据形式：5.1分类与预测分类：预测分类标号（离散属性），构造一个分类模型，输入样本的属性值，输出对应的类别，将每个样本映射到预先定义好的类别。分类模型建立在已有类标记的数据集上，模型在已有样本上的准确率可以方便计算，所以分类属于有监督的学习。预测：建立连续值函数模型，预测给定自变量对应的因变量的值，建立两种或两种以上变量间相互
不断努力的统计小张·2023-06-14 11:08

Python3数据分析与挖掘建模（14）特征工程、数据清洗、特征预处理

1.特征工程概念1.1特征工程概述特征工程是机器学习中至关重要的步骤，它涉及到特征的选择、获取、处理和监控。下面是对每个方面的详细解释：（1）特征使用：-数据选择：在特征工程中，需要选择与问题相关的数据集。这意味着根据问题的定义和目标，选择包含相关特征的数据集。-可用性：在使用特征时，需要确保特征的可用性和可访问性。这包括确保数据集的完整性、准确性和可信度。（2）特征获取：-特征来源：特征可以来自
鮀城小帅·2023-06-14 11:08

Python3数据分析与挖掘建模（15）特征选择与特征变换

1特征选择1.1概述特征选择是一种剔除与标注不相关或冗余的特征的方法，以减少特征集的维度和复杂性，并提高模型的性能和解释能力。特征选择的目标是选择那些对目标变量有预测能力且与其他特征不冗余的特征。特征选择的方法可以分为三类：（1）过滤式（Filter）特征选择：通过对特征进行评估，计算特征与目标变量之间的相关性或其他统计指标，然后根据设定的阈值选择特征。常见的方法包括相关系数、卡方检验、互信息等。
鮀城小帅·2023-06-14 11:36

天猫订单之数据分析与挖掘——分类分析

天猫订单之数据分析与挖掘——分类分析文章目录天猫订单之数据分析与挖掘——分类分析0.写在前面1.分类分析1.1决策树预测1.2随机森林1.3朴素贝叶斯算法0.写在前面Windows：Windows10Python
WHYBIGDATA·2023-06-14 11:16

天猫订单之数据分析与挖掘——离群点检测及可视化

天猫订单之数据分析与挖掘——离群点检测及可视化文章目录天猫订单之数据分析与挖掘——离群点检测及可视化0.写在前面1.离群点检测1.1步骤2.数据可视化2.1各地区订单成交总额散点图2.2部分地区订单总成交额饼图
WHYBIGDATA·2023-06-14 11:46

天猫订单之数据分析与挖掘——聚类分析

天猫订单之数据分析与挖掘——聚类分析文章目录天猫订单之数据分析与挖掘——聚类分析0.写在前面1.聚类分析1.1聚类分组1.2kmeans算法0.写在前面Windows：Windows10Python：Python3.9
WHYBIGDATA·2023-06-14 11:46

Python3数据分析与挖掘建模（12）复合分析-相关分析与实现示例

1.相关分析1.1概述相关分析是一种统计分析方法，用于研究两个或多个变量之间的关系和相互影响程度。它帮助我们了解变量之间的线性关系、趋势和相关程度。在相关分析中，常用的指标是相关系数，用于衡量两个变量之间的相关程度。最常见的相关系数是皮尔逊相关系数（Pearsoncorrelationcoefficient），它衡量了两个变量之间的线性关系强度和方向。皮尔逊相关系数的取值范围在-1到1之间，接近1
鮀城小帅·2023-06-11 14:10

Python3数据分析与挖掘建模（10）复合分析-交叉分析与实现示例

1.复合分析1.1概述复合分析（FactorialAnalysis）是一种统计分析方法，用于研究多个因素对观测结果的影响，并探究各个因素之间的相互作用效应。在复合分析中，研究者会选择多个因素（也称为处理变量或独立变量），并对这些因素的不同水平进行组合。每个因素的水平表示该因素所具有的不同取值或条件。通过对不同因素水平的组合进行实验或观测，研究者可以探索这些因素对结果变量（也称为因变量）的影响。复合
鮀城小帅·2023-06-10 15:25

Python3数据分析与挖掘建模（11）复合分析-分组分析与实现示例

1.分组分析1.1概述分组与钻取是数据分析中常用的技术，用于对数据进行聚合和细分分析。它可以帮助我们从整体数据中获取特定维度的汇总信息，并进一步钻取到更详细的子集数据中进行深入分析。分组（Grouping）是指根据某个或多个特征将数据集分成多个组或类别。通过对数据进行分组，我们可以计算每个组的统计量（如平均值、总和、计数等），并进行比较、汇总或进一步分析。钻取（Drilling）是指在分组的基础上
鮀城小帅·2023-06-10 15:50

教你一行代码自动绘制艺术画 (Discoart)

(可选1)如果你用Python的目的是数据分析，可以直接安装Anaconda：Python数据分析与挖掘好帮手—Anacond
Python实用宝典·2023-06-08 09:06

python数据分析与挖掘实战(家用热水器用户行为分析与事件识别）

一、导言居民在使用家用热水器的过程中，会因为地区气候、不同区域和用户年龄性别差异等原因形成不同的使用习惯。家用企业若能深入了解其产品在不同用户群的使用习惯，开发符合客户需求何时哦那个习惯的功能，就能开拓新市场。本篇文章将依据BP神经网络算法构建洗浴事件识别模型，进而对不同地区的用户的洗浴事件进行识别，然后根据识别结果比较不同客户群提供最合适的个性化产品，改进新产品的智能化研发并制定相应的营销策略。
m0_61463713·2023-06-08 05:56

python数据分析与挖掘实战(电子商务网站用户行为分析及服务推荐）

目录一、引言二、分析方法与过程2.1分析步骤与流程2.2数据抽取2.3数据探索分析1）分析网页类型2）分析网页点击次数2.4数据预处理1）删除不符合规则的网页2）还原翻页网址3）筛去浏览次数不满足两次的用户。4）划分数据集2.5构建智能推荐模型1）基于物品的协同过滤算法的基本概念2）基于物品的协同过滤算法的优缺点3）模型构建4）模型评价一、引言智能推荐服务是提高电子商务网站销售转化率的重要技术手段
m0_61463713·2023-06-08 05:56

python数据分析与挖掘实战(航空公司客户价值分析）

一、引言企业在面向客户制定运营策略、营销策略时，希望能够针对不同的客户推行不同的策略，实现精准化运营，以期获取最大的转化率。客户关系管理是精准化运营的基础，而客户关系管理的核心是客户分类。通过客户分类，对客户群体进行细分，区别出低价值客户与高价值客户，对不同的客户群体开展不同的个性化服务，将有限的资源合理地分配给不同价值的客户，从而实现效益最大化。本章将使用航空公司客户数据，结合RFM模型，采用K
m0_61463713·2023-06-08 05:56

python数据分析与挖掘实战（财政收入影响因素分析及预测）

导言随着信息化的发展和科学技术的进步，数据分析与挖掘技术开始得到广泛应用。人们无时无刻不面对着海量的数据，这些海量数据中隐藏着人们所需要的具有决策意义的信息。
m0_61463713·2023-06-08 05:26

python数据分析与挖掘实战(商品零售购物篮分析）

一、引言购物篮分析是商业领域最前沿、最具挑战性的问题之一，也是许多企业重点研究的问题。购物篮分析是通过发现顾客在一次购买行为中放入购物篮中不同商品之间的关联，研究顾客的购买行为，从而辅助零售企业制定营销策略的一种数据分析方法。本篇文章使用Apriori关联规则算法实现购物篮分析，发现超市不同商品之间的关联关系，并根据商品之间的关联规则制定销售策略。二、数据探索分析2.1查看数据特征搜索数据的特征，
m0_61463713·2023-06-08 05:51

Python可以做什么？不要再找了，一篇文章给你讲全

Python可以进行Web应用开发、数据分析与挖掘、AI应用程序设计开发、网络爬虫应用编写、嵌入式应用开发、网络安全应用开发、桌面应用开发、自动化运维设计、游戏开发等。
EnjoyEDU·2023-06-08 04:22

Python3数据分析与挖掘建模（1）python数据分析的流程与概述

1.数据分析流程之一Python数据分析的完整流程通常包括以下步骤：数据收集：收集需要分析的数据，可以是从数据库、API、文件或其他来源获取数据。数据清洗：对数据进行清洗和预处理，包括处理缺失值、异常值、重复值等，以确保数据的质量和一致性。数据探索：通过统计分析、可视化等手段对数据进行探索，了解数据的分布、关联性和特征。特征工程：根据问题的需求和数据的特点，对原始数据进行特征提取、转换和选择，以便
鮀城小帅·2023-06-07 19:46

Python3数据分析与挖掘建模（8）检验

1.假设检验1.1概述假设检验是一种统计推断方法，用于对一个或多个总体参数提出关于其取值的假设，并根据样本数据对这些假设进行检验。假设检验的目的是根据样本数据提供统计上的证据，以便对总体参数的假设进行接受或拒绝。在假设检验中，通常会建立一个原假设H0和一个备择假设H1（或叫做另一种假设）。原假设是对总体参数的陈述，常常是我们希望证明或接受的假设，而备择假设则是对原假设的否定或替代陈述。1.2步骤假
鮀城小帅·2023-06-07 19:03

python饼图百分比_python数据分析与挖掘（七）---matplotlib饼图

饼图(pie)1饼图介绍饼图广泛得应用在各个领域，用于表示不同分类的占比情况，通过弧度大小来对比各种分类。饼图通过将一个圆饼按照分类的占比划分成多个区块，整个圆饼代表数据的总量，每个区块(圆弧)表示该分类占总体的比例大小，所有区块(圆弧)的加和等于100%。2饼图绘制需求：显示不同的电影的排片占比电影排片：效果：数据：movie_name=['雷神3：诸神黄昏','正义联盟','东方快车谋杀案',
txu666·2023-06-06 22:01

【大数据分析与挖掘】挖掘建模之关联分析

文章目录一、关联规则1.1常用的关联规则算法1.2Apriori算法介绍1.2.1关联规则与频繁项集1.2.2Apriori算法的思想与性质1.2.3Apriori算法的实现的两个过程1.2.4Apriori算法的实现案例一、关联规则关联规则分析也成为购物篮分析，最早是为了发现超市销售数据库中不同的商品之间的关联关系。例如一个超市的经理想要更多地了解顾客的购物习惯，比如“哪组商品可能会在一次购物中
mossloo·2023-04-20 11:53

大学生活要来啦！！！！

掌握计算机理论和大数据处理技术，从大数据应用的三个主要层面（即数据管理、系统开发、海量数据分析与挖掘）系统地培养学生掌握大数据应用中
殇雨无情泪·2023-04-18 06:25

阿里云服务器4核16G和4核32G配置多少钱？活动价和续费价是多少？

4核16G配置处理器与内存配比为1:4，适用于中小型数据库系统、缓存、搜索集群等，4核32G配置处理器与内存配比为1:8，适用于数据分析与挖掘，Hadoop、Spark集群等，因此，这两个配置是企业级用户比较喜欢购买的配置
阿里云最新优惠和活动汇总·2023-04-12 12:40
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他