long636的专栏

机器学习第一周：机器学习的敲门砖kNN算法一、学习目标kNN算法的思想及其原理使用python手动实现kNN算法，并在sklearn中调用了解监督学习和非监督学习的概念二、kNN算法的思想及其原理​ KNN算法中文名称叫做K近邻算法。它是一个有监督的机器学习算法，其核心思想是未标记的样本的类别，由距离它最近的K个邻居投票来决定。（1）有已经标记的数据，需要判断一个未标记的数...

DataFrame groupby使用agg()运算多个分组A.groupby( [“班级”,“性别”]).agg([np.sum, np.mean, np.std])#一次计算了三个时间分组时间序列直接作为index或者有一列是时间序列，如果时间中有"/"，需要进行转换：A[“生日”] = pd.to_datetime(A[“生日”],format ="%Y/%m/%d")#...

数据可视化第五周常用图表对比，当我们需要展示的时候，该如何选择图表？根据学习提供的思路：????可视化目标????数据集格式????图表异同????适用场景一.常用图表的对比柱状图&条形图联系：???? 两者均是两个字段，一个代表分类，另一个代表数值。????当数据的记录数不大于12条，分类字段的字符长度小于5时，两者可以互换。区别：????柱状图：如果分类字段时时间序列，可以优先使用柱状图，能更...

统计学第七周一.知识回顾上周已经学习过正态分布/卡方分布/T分布等知识，前面学习已学过，但是如何选择哪一个的问题？????正态分布????卡方分布????T分布二.实践1.场景：泰坦尼克号数据，主要是age年龄，Fare价格即船票价格，Embark登船的港口，需要验证数据师傅服从正太分布，T分布，卡方分布？具体数据如下：IDAgeFareEmbarked1227.25...

1.分布分析（1）定量数据的分布分析  求极差、组距、组数、分点、列出频率分布表、绘制频率分布直方图（2）定性数据的分布分析定性的数据常常使用变量来分组，然后使用饼图、柱状图等来展示2.对比分析 两个相互联系的指标进行比较，从数量上展示和说明研究对象规模的大小，水平的高低，速度的快慢等（1）绝对数比较（2）相对数比较3.统计量分析集中趋势：均值、中位数、众数

数据质量分析，是数据挖掘中数据准备过程中的重要一环，是数据预处理的前提，也是数据挖掘分析结论有效性和准确性的基础。其主要任务是检测原始数据中是否存在脏数据，脏数据一般包括：缺失值、异常值、不一致值、重复数据及含有特殊符号的数据。其中异常值分析时对样本中个别值的提取，也成为离群点分析。可以采用（1）简单统计量分析（2）3б原则（正态分布）（3）箱型图分析下图为对一组数