- 博客(24)
- 收藏
- 关注
RSS订阅原创 简易自适应降维算法选择器，自动分析数据特征并匹配最优降维方案
摘要 本文介绍了一个自适应降维选择工具类DimensionMethodSelector的设计与实现。该工具通过自动化分析数据集特征（样本量、特征数、稀疏度、线性度、内存占用、特征相关性），针对可视化、聚类、分类、特征提取、数据压缩五大场景推荐最优降维方法。核心功能包括： 内置标准化器消除量纲差异 自动计算6项关键数据指标 基于场景的智能推荐（如可视化推荐t-SNE/UMAP，分类优先LDA） 输出带参数的算法建议 工具采用sklearn主流降维组件实现，通过标准化处理、线性度检测和特征相关性分析，解决了降维
2026-06-19 20:50:27
364
原创 PCA核心原理、流程与实战代码演示
金融、工业、生物医药等领域普遍存在大量高维特征数据，普遍伴随特征冗余、多重共线性与数据噪声问题，导致传统分析算力开销大、建模精度低、有效特征难以挖掘，降维预处理已成为数据分析的关键环节。现有降维方法适用性有限，因子分析、独立成分分析、线性判别分析等算法存在适配场景窄、信息保留不足或依赖标签等缺陷。主成分分析（PCA）作为经典无监督线性降维方法，凭借无需标签、计算稳定、保留主要数据方差的优势，被广泛应用于数据预处理。但当前应用多停留在工具调用层面，存在原理不清、调参随意、效果无法量化等问题，致使降维质量不稳
2026-06-12 21:12:30
317
原创 基于挑战者号事故：泊松回归实战分析 O 型环故障
本文基于挑战者号航天事故数据，通过Python实现泊松回归分析O型密封圈破损的影响因素。项目包含数据读取、可视化探索、模型构建和预测评估全流程：1）因变量为离散计数数据，直方图验证泊松回归适用性；2）建模结果显示温度是显著影响因素（p<0.05），温度每升高1℉，破损数下降约16.9%；3）压力、批次等因素无显著影响。文章提供完整可执行代码，适合零基础学习计数数据分析，从统计学角度验证了低温导致密封失效的事故原因。
2026-06-05 21:09:45
324
原创 Python 实现广告投入与销售额线性回归分析
使用经典的TV：电视广告投入金额radio：广播广告投入金额newspaper：报纸广告投入金额sales：对应产生的销售额数据集样本结构简单、特征明确，非常适合入门多元线性回归实战。本文完整实现了数据读取 → 可视化分析 → 数据集划分 → 模型训练 → 预测验证全流程的多元线性回归实战。利用可视化完成探索性数据分析，挖掘广告与销量的关联；基于 Scikit-learn 快速搭建多元线性回归模型，得到可落地的预测公式；
2026-05-29 21:14:59
219
1
原创 数据分析实战：女性身高体重线性与多项式回归建模复盘
日常数据分析中，回归分析是探究变量相关关系、构建预测模型的核心手段。本文以女性身高、体重样本数据为例，基于pandas数据读取、matplotlib可视化、最小二乘建模，依次完成一元线性回归与三次多项式回归建模，附带模型显著性检验、残差诊断全流程，适合回归基础复盘与代码实操复习。本次实操完成从数据读取、可视化探索，到线性、多项式双模型搭建，同时覆盖模型检验与结果绘图全流程。回归分析不仅可以量化变量关联关系，还能依托训练模型实现数值预测，日常统计分析、特征建模场景均可复用这套代码逻辑与检验思路。
2026-05-22 21:15:37
234
原创 【数据分析】通俗易懂讲解线性回归+多项式回归
找到两个或多个变量之间的数学关系式。给一堆散点数据，画出一条最合适的线，用来解释规律、预测未来。简单线性：适合简单趋势、计算简单、不易过拟合。多项式回归：拟合精度更高，适合非线性曲线数据。
2026-05-15 21:14:36
347
原创 1关联规则
本文介绍了使用Apriori算法进行购物篮关联规则分析的实战案例。通过10笔模拟超市订单数据，演示了从数据预处理到关联规则挖掘的完整流程。文章重点讲解了三大核心指标（支持度、置信度、提升度）的计算方法，并提供了清晰的Python实现代码（使用pandas和mlxtend库）。结果显示黄油与面包、牛奶与面包等商品组合存在强关联性，为超市商品摆放和促销策略提供了数据支持。文中还给出了针对不同数据规模的参数调优建议，适合数据分析初学者学习关联规则挖掘的基本原理和应用场景。
2026-05-15 20:31:28
215
原创 D6:聚类分析科普与实战应用
《用乐高积木理解聚类分析》摘要（149字） 聚类分析就像整理乐高积木：电脑自动把数据按特征分类，如同把积木按颜色分组。它属于无监督学习，不需要预先标注，而是自主发现规律。以电商用户分层为例，通过RFM模型（最近消费时间、频率、金额）进行聚类，用K-Means算法找到最佳分组。但要注意数据标准化和处理异常值，且需预先设定分组数量。这种方法能有效区分用户价值，实现精准营销，但对非结构化数据效果有限。
2026-04-11 09:59:03
86
3
原创 D4+D5:【无标题】
本文从计算机底层二进制原理出发，介绍了十进制转二进制和ASCII编码机制，解释了人类语言如何转换为机器可处理的数据。随后通过Python实战案例，详细展示了如何对欧洲国家蛋白质消费数据进行K-means聚类分析，包括数据标准化、肘部法则确定最佳K值、模型训练及结果解读。最终将25个国家分为5类典型蛋白质消费模式，为饮食结构研究和市场细分提供参考。全文贯通计算机底层逻辑与上层数据分析应用，既适合编程入门学习，也能帮助数据分析新手掌握从理论到实践的完整流程。
2026-04-10 20:23:29
242
原创 D3：贝叶斯分类
本文介绍了分类分析的基础理论和乳腺癌诊断分类项目实战。首先阐述了分类的目的、应用场景和贝叶斯公式原理，随后详细展示了使用高斯朴素贝叶斯模型进行乳腺癌二分类的全过程。项目包括数据读取、预处理、标签编码、数据集划分、模型训练、网格搜索调参等步骤，并对默认参数和调参后的模型性能进行了全面评估和对比。结果显示，通过参数优化，模型的准确率、精确率、召回率和F1值均获得提升，验证了分类分析在医疗诊断领域的应用价值。
2026-03-27 19:44:08
181
原创 D2:Python 实现概率与贝叶斯分类基础
本文介绍了概率基础和贝叶斯分类方法。概率用0～1的小数表示事件可能性，随机变量表示可变结果，概率密度函数要求概率总和为1。贝叶斯分类基于概率统计，通过计算后验概率进行分类，包含先验概率、条件概率和后验概率三个核心概念。文章以疾病检测为例演示了贝叶斯定理的应用。朴素贝叶斯分类器在贝叶斯基础上假设特征独立，通过计算各类别的先验和条件概率，选择后验概率最大的类别作为分类结果。该方法广泛应用于垃圾邮件过滤、疾病诊断等领域。
2026-03-20 20:54:58
221
原创 D1:python——认识概率
本文介绍了概率论在数据科学中的应用。首先定义了随机试验和样本空间的概念，指出随机试验需满足可重复、结果多样且不确定的特点。其次阐述了随机事件作为样本空间子集的定义，并以掷骰子为例说明古典概型的计算方法，其核心是等可能性假设。接着讲解了条件概率的概念，即在已知事件B发生条件下事件A的概率，并给出计算公式P(A|B)=P(AB)/P(B)。最后通过工厂质检案例演示了概率计算的实际应用，包括计算总次品率和在已知次品条件下追溯来源产线的概率。全文系统性地介绍了概率论的基本概念和计算方法。
2026-03-13 20:34:16
335
2
原创 python数据分析——查找
本文介绍了Pandas数据处理的核心方法：1)使用fillna()处理缺失值，重点区分inplace参数对原数据的影响；2)通过read_table()读取特殊分隔符数据；3)利用布尔索引和loc索引器进行数据筛选与定位；4)Series运算遵循索引对齐规则。关键点包括：fillna()的inplace参数控制是否修改原数据，loc索引器按标签精准定位，以及索引对齐对运算结果的影响。这些方法为数据清洗和分析提供了基础工具。
2025-12-19 21:07:40
692
原创 python
NaN(Not a Number,非数)是计算机科学中数值数据类型中的一类值，表示未定义或不可表示的值。常在浮点数运算中使用。how do i hondle(处理) missing(缺失值) values in pandas?
2025-12-06 11:03:31
122
原创 python数据分析——series
series是pandas库中的一种一维数组对象，可以存储不同类型的数据（整数，浮点数，字符串），每个元素都有一个唯一的索引标识，series类似于python 中的列表或numpy的一维数组，但提供了更多的功能和灵活性。把“出现次数”换成“出现比例（频率）”，结果仍是降序，但数值在 0–1 之间，总和为 1（即概率分布）。，也就是数据里实际出现的全部内容评级类别，顺序按首次出现的先后。我们会用describe来统计，，当目标为对象类型时，它会返回。出现次数最多的那个评级。该最高频评级的出现次数。
2025-12-05 21:51:06
176
原创 初级数据分析
上面的是通过替换字段中的值来转换类型，第二个的是通过正则表达式来转换类型的，第三个要先导入numpy库才能使用，若不能的话（或报错）可以将'astype(float)'中的'float'改为‘np.float64’。若不能的话（或报错）可以将'astype(float)'中的'float'改为‘np.float64’。它的意思为将chip文件中名为item_price的序列中$符号替换为空格，并且转换为浮点数类型，再求平均值。我们可以在导入时就将其某一个序列的类型转换成别的类型，或导入后再转换类型。
2025-11-28 22:11:59
183
原创 便利与显示
iterrows()，是pandas库中DataFrame对象的一个方法，主要用于逐行便利DataFrame，每次迭代返回一个元组（圆括号），其中第一个是行索引（通常是整数索引或标签索引），第二个元素是一个序列。'iterrows'是pandas库中自带的一个便利函数。
2025-11-11 22:03:55
170
原创 截取，and与or
or为两边只要有一个成立那么这个式子就成立，而and为两边都要成立式子才能成立，我们可以把or想象为老师让两个人去拿一本书，两个人去可以拿回，一个人去也可以拿回，而and可以想象为搬桌子，要两个人去搬才能搬走。它的意思为创建一个数据框，并把movies中duration小于等于120，genre为Drama的行取出加入刚刚创建的数据框中。它的意思为创建一个数据框，并把genre为Drama或Crime或Action的行取出加入刚刚创建的数据框中。在编程中and可以写成&，or可以写成|。
2025-11-01 11:05:03
203
原创 排序与查询
但不同的是 movies.loc[movies.star_rating>=8.5]['genre'] 是找到符合条件的列，然后再取出另一列的值，而 movies.loc[movies.star_rating>=8.5,'genre'] 是定位到符合条件的列的数据上（我老师是这么说的，如有不对，可以在评论区纠正）。他们的意思是，找名字为movies的数据框中的star_rating的值大于等于8.5所对应的title，并创建一个新的数据框将所对应的title装进去。
2025-10-31 21:18:47
175
原创 Series的初步学习
在使用table导入的过程中，我们要注意，导入时要加上sep来加以分解。在上一次的学习中，我们讲到了两种导入方法，其中一种就是table。describe是一个小巧的数据分析根据，他的中文意思为注释,描述。50%为中位数（第二四分位数，50% 的数据小于该值）25%为第一四分位数（25% 的数据小于该值）75%为第三四分位数（75% 的数据小于该值）来改名字，它的意思是吧列表的表头取出并把其中的空格改为-。可以吧名为State和City的列拼起来后直接输出。都可以吧数据框的名为City的那一列取出来。
2025-10-24 20:44:51
229
原创 pandas的DataFrame的初步运用
sep为按其后面等于的东西分割，如sep='|' ，就是以|分割。header为将表头改为制定的东西，如header=None，为将表头改为数字，names与header有些许不同，header适用于无表头的表格，names适用于有表头的表格。在DataFrame的初步运用中，我们常用的有DataFrame，columns，index，read_csv（或read_table），head，sep，names和header。在我们初步写pandas代码中会用到DataFrame，一般的写法有。
2025-10-12 15:19:02
308
原创 数据分析的方式与监督学习以及pandas和DataFrame
就像你给一个人十份练习，其中有七份有答案，另外三份没有答案，他会根据前七份练习答案的规律来做另外三份练习，但也有可能会出现意想之外的事情。比如说有一堆积木让一个什么都不知道的AI来分类，由于它什么都不知道，所已，它可能按照颜色，大小或形状来分类，可能会出现一些意想之外的事情。就像一个人有一些作业和对应的答案，他写完之后会根据答案来进行订正发现问题，来发现规律。① DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型。监督学习一般可以分为有监督学习，半监督学习和半监督学习。
2025-09-19 20:41:08
314
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人