数据分析与挖掘

深度学习笔记1：利用numpy从零搭建一个神经网络

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！
R3eE9y2OeFcU40·2020-08-20 06:03

数据分析与挖掘建模实战-单因子探索分析与可视化

first在这里插入图片描述理论铺垫:在这里插入图片描述集中趋势(数据聚拢的衡量)均值：连续值的中位数：异样值衡量集中趋势分位数：和其他几个值综合使用众数：离散值Q1=(n+1)*0.25Q2=(n+1)*0.5Q3=(n+1)*0.75离中趋势越小表示数据越聚拢越大数据越离散查看正态分布表正态分布表在这里插入图片描述在这里插入图片描述数据分布偏态与峰度偏态系数与峰态系数偏态:数据偏离正态的衡量偏
志䦀zy·2020-08-19 22:09

《毒液》:用Fiddler+MongoDB抓取猫眼APP短评

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！
R3eE9y2OeFcU40·2020-08-19 08:21

【深度学习系列】卷积神经网络详解(二)——自己手写一个卷积神经网络

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！
R3eE9y2OeFcU40·2020-08-19 06:25

KMeans与深度学习自编码AutoEncoder结合提高聚类效果

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！
R3eE9y2OeFcU40·2020-08-18 14:09

corrplot包与ggcorrplot相关图（一）

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！
R3eE9y2OeFcU40·2020-08-18 10:53

数据分析与挖掘 - R语言：贝叶斯分类算法（案例三）

案例三比较简单，不需要自己写公式算法，使用了R自带的naiveBayes函数。代码如下：>library(e1071)>classifierclassifierpredict(classifier,iris[1,-5])预测结果为：[1]setosaLevels:setosaversicolorvirginica和原数据一样！*********************************这里是
weixin_34405557·2020-08-18 05:54

【数据分析代码例】数据处理，柱状图，countplot，分布分析图，箱线图，点线图（折线图），饼图

python3数据分析与挖掘建模实战学习目录代码实例下载目录本文的csv文件数据部分截图导入包isnull()判断缺失值mean()，std()，max()，min()，median()，skew()，
Performer_Cherry·2020-08-17 07:44

点评网的反爬再也不是烦恼

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！
R3eE9y2OeFcU40·2020-08-16 23:13

【Python】TypeError: 'AxesSubplot' object is not subscriptable的解决办法

方法转自：https://blog.csdn.net/qq_36142336/article/details/78776426《Python数据分析与挖掘实战》第三章中代码清单3-1照书写会出现这个问题
ysq96·2020-08-16 17:53

5分钟 Pipenv 上手指南

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！
R3eE9y2OeFcU40·2020-08-16 10:42

【数据挖掘】挖掘建模-回归分析（1）

参考文献：《Python数据分析与挖掘实战》分类与预测一、实现过程分类：构造分类模型，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。属于有监督的学习。
XD1998·2020-08-16 10:25

R语言中ARIMA模型

R语言中ARIMA模型setwd("E:\\R_workspace\\R语言数据分析与挖掘实战\\chp5")library(forecast)library(fUnitRoots)Data<-read.csv
木里先森·2020-08-16 07:32

Python学习日志（第2篇） —— 关联规则挖掘(1)

一、教材准备(1)《Python数据分析与挖掘实战》2015年张良均(2)这部教材非常棒的地方在于，有附带的、编写好的程序代码，直接方便学习者进行学习。
皮小二·2020-08-16 06:54

箱型图判断异常值

importpandasaspdcatering_sale='F:/python/python数据分析与挖掘实战/图书配套数据、代码/chapter3/demo/data/catering_sale.xls'data
castingA3T·2020-08-16 06:04

机票前台埋点的那些事儿

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！
R3eE9y2OeFcU40·2020-08-15 12:12

《Python数据分析与挖掘实战》第6章—— 电力盗窃电用户自动识别（CART+LM）

本文是《Python数据分析与挖掘实战》中的第6章——电力窃漏电用户自动识别数据进行的分析。1.背景与目标：通过电力系统采集到的数据，提取出窃漏电用户的关键特征，构建窃漏电用户的识别模型。
王大阳_·2020-08-15 00:20

《R语言数据分析与挖掘实战》——第3章 数 据 探 索 3.1 数据质量分析

本节书摘来自华章计算机《R语言数据分析与挖掘实战》一书中的第3章，第3.1节，作者张良均，云伟标，王路，刘晓勇，更多章节内容可以访问云栖社区“华章计算机”公众号查看。
weixin_34262482·2020-08-15 00:41

《Python数据分析与挖掘实战》第6章——LM+CART

本文主要是对《Python数据分析与挖掘实战》中的第6章——电力窃漏电用户自动识别数据进行的分析。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。
江流静一·2020-08-15 00:30

数据分析与挖掘笔记（六）------数据预处理之数据规约

数据规约在大数据集上进行复杂的数据分析和挖掘需要很长时间，数据规约产生更小但保持原数据完整性的新数据集。在规约后的数据集上进行分析和挖掘将更有效率。数据规约的意义在于：降低无效、错误数据对建模的影响，提高建模的准确性；少量且具代表性的数据将大幅缩减数据挖掘所需要的时间；降低存储数据的成本。一、属性规约属性规约通过属性合并来创建新属性维数，或者直接通过删除不相关的属性（维）来减少数据维数，从而提高数
你的破壁人呀·2020-08-15 00:14

帕累托图

根据数据分析与挖掘实战这本书写程序，小白上路，仅供参考，大神勿喷数据集样式：问题描述：对菜品数据做帕累托图python3代码实现："""codinng:utf-8菜品盈利数据怕累托图""""""导入数据库
DBL_fish·2020-08-15 00:39

《Python数据分析与挖掘实战》学习笔记（二）

2019.2.25开始学习-2019.3.2结束学习（第三章&第四章）**·**2019.2.25_第三章P33-P45关于P36的代码清单3-1，完全照写出现错误，按照方法https://blog.csdn.net/qq_36142336/article/details/78776426得以解决，箱型图的意思基本明白了，但代码还是有很多看不懂的参数，特别是for循环是如何调试出来的也不明白。（？
MercyMeng·2020-08-14 23:37

数据预处理之数据规约（Data Reduction）

数据归约策略数据仓库中往往具有海量的数据，在其上进行数据分析与挖掘需要很长的时间数据归约用于从源数据中得到数据集的归约表示，它小的很多，但可以产生相同的（几乎相同的）效果数据归约策略维归约数据压缩数值归约离散化和概念分层产生用于数据归约的时间不应超过或
anyizhe7949·2020-08-14 23:10

R语言数据分析与挖掘实战 (大数据技术丛书) - 电子书下载（高清版PDF格式+EPUB格式）...

R语言数据分析与挖掘实战(大数据技术丛书)-张良均等著在线阅读百度网盘下载(b64b)书名:R语言数据分析与挖掘实战(大数据技术丛书)作者:张良均等著格式:EPUB,HTMLZ,PDF路径:点击打开出版
xiaohuanglv·2020-08-14 23:40

《R语言数据分析与挖掘实战》——导读

前言为什么要写这本书LinkedIn对全球超过3.3亿用户的工作经历和技能进行分析后得出，目前最受关注的25项技能中，对数据挖掘人才的需求排名第一。那么数据挖掘是什么？数据挖掘是从大量数据（包括文本）中挖掘出隐含的、先前未知的、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，提供预测性决策支持的方法、工具和过程。数据挖掘有助于企业发现业务的发展趋势，揭示已知的事实，预
weixin_34303897·2020-08-14 23:02

机器学习小组知识点26：数据预处理之数据规约（Data Reduction）

数据归约策略数据仓库中往往具有海量的数据，在其上进行数据分析与挖掘需要很长的时间数据归约用于从源数据中得到数据集的归约表示，它小的很多，但可以产生相同的（几乎相同的）效果数据归约策略维归约数据压缩数值归约离散化和概念分层产生用于数据归约的时间不应超过或
Eric2016_Lv·2020-08-14 22:06

数据分析与挖掘之数据清洗（缺失值、异常值）

一般情况下PIP出现ReadTimeoutError都是因为被GFW给墙了，所以一般遇到这种问题，我们可以选择国内的镜像来解决问题。在Windows下：C:\Users\下新建pip文件夹，在创建pip.ini文件，拷贝下面代码进去，保存。[global]index-url=https://pypi.tuna.tsinghua.edu.cn/simple其实就是把python的源换成了清华源，应该
小脑斧123·2020-08-14 21:50

python数据分析与挖掘 --- 代码修正与项目练习

：环境：chapter3chapter4chapter5chapter6chapter7chapter8chapter9chapter10chapter11待更...写在前面：博主在使用《python数据分析与挖掘
O_tongwandou·2020-08-14 16:35

pyspark对Mysql数据库进行读写

pyspark是Spark对Python的api接口，可以在Python环境中通过调用pyspark模块来操作spark，完成大数据框架下的数据分析与挖掘。
FTDdata·2020-08-13 14:12

4.3.2无监督学习（二） - 主成分分析（PCA）

数据分析与挖掘体系位置主成分分析不是一种预测模型，它是数据降维的方法。此外，PCA并没有一个预
Orange_Spotty_Cat·2020-08-13 12:52

《Python数据分析与挖掘实战》第15章 ——电商产品评论数据情感分析（LED）

挖掘背景与目标2.2数据探索与预处理2.1数据筛选2.2数据去重2.3删除前缀评分2.4jieba分词3基于LDA模型的主题分析4.权重5.如何在主题空间比较两两文档之间的相似度本文是基于《Python数据分析与挖掘实战
王大阳_·2020-08-12 13:27

python数据分析与挖掘实战学习笔记（四）--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
yili_sha11·2020-08-11 05:09

【数据挖掘】数据挖掘和数据分析基础

参考文献：《Python数据分析与挖掘实战》张良均等数据挖掘建模过程定义挖掘目标：理解任务，确定指标数据采样：注意数据的完整性和有效性数据探索：异常值分析、缺失值分析、相关性分析、周期性分析数据预处理：
XD1998·2020-08-11 04:04

《数据分析与挖掘实战》总结及代码练习---chap5 挖掘建模---5.1 分类与预测

目录5.1.1实现步骤5.1.2常用分类预测算法：5.1.3回归分析1.logistic回归分析介绍：2.决策树：3.人工神经网络ANN4.分类预测算法评价测试集效果评价指标：：总结：5.挖掘建模5.1分类与预测5.1.1实现步骤分类：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预测：建立两种或以上的变量间互相依赖的函数模型，然后进行预测或者控制实现:学习步:归纳训练集，建立
assassin_sword·2020-08-11 04:44

【Python数据分析】1st-数据探索与数据预处理

《Python数据分析与挖掘实战》读书笔记之数据探索与数据预处理文章目录@[toc]##一、数据探索Python中用于数据探索的库主要是Pandas（数据分析）和Matplotlib（数据可视化）###
司瑾sj·2020-08-11 04:27

Python3数据分析与挖掘建模实战

课程地址：http://icourse8.com/Python3_shujufenxi.html复制代码第1章课程介绍【赠送相关电子书+随堂代码】第2章数据获取第3章单因子探索分析与数据可视化第4章多因子探索分析第5章预处理理论第6章挖掘建模第7章模型评估第8章总结与展望classSolution{public:unordered_mapm;boolisHappy(intn){if(m.count
weixin_34049032·2020-08-11 04:06

《Python数据分析与挖掘实战》笔记（三）：数据探索

1.数据质量分析主要任务是检查原始数据中是否存在脏数据，包括缺失值，异常值，不一致值，重复数据及特殊符号数据缺失值，包括记录缺失和记录的某字段缺失等产生原因：无法获取、遗漏、属性值不存在；影响：有用信息缺乏、不确定性加重、不可靠处理：删除、补全、不处理异常值，不合常理的数据，剔除可消除不良影响，分析可进行改进。异常值分析也称离群点分析。常用的分析方法：简单统计量分析(如max、min)；3σ原则(
郭大侠写leetcode·2020-08-11 04:53

《Python数据分析与挖掘实战》笔记（一）：数据挖掘基础

目录一、数据挖掘的基本任务二、数据挖掘建模过程三、常用的数据挖掘建模工具一、数据挖掘的基本任务利用分类与预测、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，提升企业的竞争力。二、数据挖掘建模过程定义挖掘目标：任务目标和完成效果数据取样：相关性、可靠性、有用性数据探索：数据质量分析、数据特征分析数据预处理：数据筛选、数据变换、缺失值处理、坏数据处理、数据标
郭大侠写leetcode·2020-08-11 04:53

《Python数据分析与挖掘实战》笔记（五）：数据建模

分类与预测主要分类与预测算法回归分析确定预测值与其他变量关系。线性、非线性、Logistic、岭回归、主成分回归等决策树自顶向下分类人工神经网络用神经网络表示输入与输出之间的关系贝叶斯网络又称信度网络，是不确定知识表达和推理领域最有效的理论模型之一支持向量机将低维非线性可分转化为高维线性可分进行分析主要回归模型分类线性回归因/自变量是线性关系对一个或多个自/因变量线性建模，用最小二乘法求系数非线性
郭大侠写leetcode·2020-08-11 04:22

Python数据分析与挖掘实战—挖掘建模

常用的分类与预测算法1回归模型分类1线性回归---自变量因变量线性关系，最小二乘法求解2非线性回归--自变量因变量非线性关系，函数变换为线性关系，或非线性最小二乘方法求解3logistic回归--因变量一般有1和0两种取值，将因变量的取值范围控制再0-1范围内4岭回归--自变量之间具有多重共线性5主成分回归--自变量之间具有多重共线性一般自变量和因变量之间存在线性关系的时候，就可以用线性回归的方法
呼噜娃娃·2020-08-11 04:43

《Python数据分析与挖掘实战》第10章（下）——DNN

本文是基于《Python数据分析与挖掘实战》的实战部分的第10章的数据——《家用电器用户行为分析与事件识别》做的分析。
江流静一·2020-08-11 04:07

数据探索与预处理

（python数据分析与挖掘实战笔记）脏数据包括：缺失值、异常值、不一致的值一、异常值分析简单统计量分析（最大值、最小值...）3原则（数据服从正态分布）远离平均值多少倍标准差（数据不服从正态分布）箱型图分析
甄甄甄甄甄啊·2020-08-11 04:51

数据分析与挖掘笔记（五）------数据预处理

数据预处理主要包含以下几个步骤：数据预处理步骤介绍：数据预处理定义具体操作数据清洗数据清洗主要是删除原始数据集中的无关数据、重复数据，平滑噪声数据，筛选掉与挖掘主题无关的数据，处理缺失值、异常值等缺失值处理异常值处理数据集成数据挖掘需要的数据往往分布在不同的数据源中，数据集成就是将多个数据源合并存放在一个一直的数据存储（如数据仓）中的过程。在数据集成时，来自多个数据源的现实世界实体的表达形式是不一
你的破壁人呀·2020-08-11 04:58

Python数据分析与挖掘实战——第四章

目录第四章数据预处理一、概括二、数据清洗1.缺失值处理2.异常值处理三、数据集成1.实体识别2.冗余属性识别四、数据变换1.简单函数变换2.规范化3.连续属性离散化4.属性构造5.小波变换五、数据规约1.属性规约2.数值规约第四章数据预处理一、概括问题：不完整、不一致、异常处理：数据清洗、数据集成、转换、规约等一系列的处理，为数据预处理目的：一方面要提高数据的质量，另一方面要让数据更好地适应特定的
冲鸭！！！！！·2020-08-11 03:45

python数据分析与挖掘实战-第五章神经网络算法

我用的Keras版本为2.2.0，部分参数有变化，再参考Keras文档后，进行修改，得出结果。仅供参考。importpandasaspdfromkeras.modelsimportSequentialfromkeras.layers.coreimportDense,Activationfromcm_plotimport*importpandasaspdinputfile=r'E:\Download
python_caiji·2020-08-11 03:28

《Python数据分析与挖掘实战》张良均，第二章学习笔记

第2章Python数据分析简介【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】一、python的简介Python是一门简单易学且功能强大的编程语言。它拥有高效的高级数据结构，并且能够用简单而又高效的方式进行面向对象编程。Python优雅的语法和动态类型，再结合它的解释性，使其在大多数平台的许多领域成为编写脚本或开发应用程序的理想语言。要认识Python，首先得明确一点，Python是一
fy_1852003327·2020-08-11 03:29

python数据分析与挖掘实战——第五章-数据挖据建模——5.13-Logistic逻辑回归模型实例

一.逻辑回归在前面讲述的回归模型中，处理的因变量都是数值型区间变量，建立的模型描述是因变量的期望与自变量之间的线性关系。比如常见的线性回归模型：而在采用回归模型分析实际问题中，所研究的变量往往不全是区间变量而是顺序变量或属性变量，比如二项分布问题。通过分析年龄、性别、体质指数、平均血压、疾病指数等指标，判断一个人是否换糖尿病，Y=0表示未患病，Y=1表示患病，这里的响应变量是一个两点（0-1）分布
pillow_L·2020-08-11 02:25

2019最新《T善智能 Python3数据分析与挖掘实战教程》

课程目录├─Python3数据分析与挖掘实战│├─第10章Python数据分析与挖掘技术基础││├─042、快速了解数据分析与数据挖掘.mp4││├─043、数据分析与挖掘相关模块简介与安装.mp4││
aiwozhiai·2020-08-11 02:13

《Python数据分析与挖掘实战》代码纠错3-3

最近在学习张良均老师的《Python数据分析与挖掘实战》，发现部分代码存在错误，特分享调试好的代码，供学习参考。
Daniel.Qin·2020-08-11 02:01

Python数据分析与挖掘实践学习记录-----第一章

Python数据分析与挖掘实践学习记录-----第一章欢迎使用Markdown编辑器你好！这是你第一次使用Markdown编辑器所展示的欢迎页。
长空牧野·2020-08-11 02:27
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他