![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
笔记
hahahaxiaolailai
这个作者很懒,什么都没留下…
展开
-
numpy、matplotlib.pyplot和seaborn的一些用法
sklearn实现逻辑回归的细节:https://www.cnblogs.com/sddai/p/9571305.html plt.scatter() https://blog.csdn.net/m0_37393514/article/details/81298503 np.linspace用法介绍 https://blog.csdn.net/Asher117/article/details/87855493 numpy.meshgrid() https://blog.csdn.net/lllxxq1415原创 2020-08-21 17:27:59 · 235 阅读 · 0 评论 -
【数据分析】数据清洗及特征管理
数据清洗及特征管理 #加载所需的库 import numpy as np import pandas as pd #加载数据train.csv df = pd.read_csv('train.csv') df.head(3) **数据清洗简述 ** 我们拿到的数据通常是不干净的,所谓的不干净,就是数据中有缺失值,有一些异常点等,需要经过一定的处理才能继续做后面的分析或建模,所以拿到数据的第一步是进行数据清洗,本章我们将学习缺失值、重复值、字符串和数据转换等操作,将数据清洗成可以分析或建模的样子。 缺失值原创 2020-08-21 17:27:18 · 420 阅读 · 0 评论