- 博客(3)
- 收藏
- 关注
原创 对上海地区律师及其事务所的数据可视化
这段代码是一个基于Python和多个数据可视化库,包括Pyecharts、Matplotlib和Pandas,设计的数据处理与分析项目。该项目专注于对上海地区律师和律师事务所的信息进行深入分析,并通过多种视图形式展示这些数据。下面是该项目的详细介绍:项目目标:目标是对上海地区律师及其事务所的数据集进行清洗、处理和分析,以提供对这些数据的深入洞察。分析的主要内容包括律师的年龄分布、性别比例、教育背景、专业领域等,以及律师事务所的区域分布和类型分析。没有数据可以私聊我!!!
2024-04-15 17:43:10 136 1
原创 基于flask的协同过滤图书推荐系统(补)
Current_X_parameters为用户内容矩阵,Current_Theta_parameters用户喜好矩阵。#rating_mean-书籍平均分 rating_norm-标准化后的书籍得分。# 在上述代码的基础上,我们假设已经有了一部分数据作为测试集(X_test, y_test)print('为该用户推荐的评分最高的20部书籍是:'.center(80,'='))#获取书籍的数量m和用户的数量n。#遍历矩阵,将书籍的评分填入表中。# 把训练的结果保存下来。# 下面的代码继续上面的部分。
2024-04-15 14:14:50 390 2
原创 协同过滤算法模块
首先,我们前面求出了A与B,C的相似度。用户C=[‘书7’,‘书8’,‘书9’]=['21','2','6'] ID代表书籍的编号。用户A=[‘书1’,‘书2’,‘书3’]=['1','2','3'] ID代表书籍的编号。用户B=[‘书4’,‘书2’,‘书6’]=['4','2','6'] ID代表书籍的编号。用户A=[‘书1’,‘书2’,‘书3’]=['1','2','3'] ID代表书籍的编号。用户B=[‘书4’,‘书2’,‘书6’]=['4','2','6'] ID代表书籍的编号。
2024-04-15 14:04:24 354 1
基于flask的协同过滤图书系统
2024-04-15
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人