- 博客(16)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 交叉验证中cv=? 与 cv=KFold(n_splits=?)的区别
这几天复习交叉验证的时候发现一个问题，学习资料中有些地方用的函数中cv=?，有些地方则用的cv=KFold(n_splits=?) 这个函数，就比如我用KNN模型做十折交叉验证：model = sk_neighbors.KNeighborsClassifier(n_neighbors=5,n_jobs=1) #KNN分类import sklearn.model_selection as sk_model_selectionaccs=sk_model_selection.cross_val_score(
2020-08-19 18:31:39
4813
原创 PCA和LDA调库降维过程
之前的PCA小白实战是利用numpy实现PCA过程，这里实现PCA和LDA实际调库应用在数据集的过程。PCA（主成分分析）最大方差理论：信号具有较大的方差，噪声具有较小的方差 PCA的目标：新坐标系上数据的方差越大越好 PCA是无监督的学习方法，直接食用skleran.decomposition即可from sklearn.decomposition import PCApca = PCA(n_components='mle',whiten=False,svd_solver='auto')pca.
2020-08-19 17:57:58
304
1
转载 OpenCV 中x,y，height, width,rows,cols 区别
opencv中图像的x,y 坐标以及 height, width,rows,cols 他们的关系经常混淆。rows 其实就是行，一行一行也就是y 啦。height高度也就是y啦。cols 也就是列，一列一列也就是x啦。width宽度也就是x啦。本文链接：https://blog.csdn.net/u012192662/article/details/41846259...
2020-08-18 19:18:48
900
1
原创 出现 module ‘pandas.core‘ has no attribute ‘categorical‘ 错误
原因：新库更改了调用操作：categorical 改成 dtypes ，比如将if type(df[by].unique()) == pd.core.categorical.Categorical:改为if type(df[by].unique()) == pd.core.dtypes.dtypes:
2020-08-12 12:08:06
614
原创 变量关系可视化展示
做数据分析前的可视化展示非常重要，因为即使能直接调用库，但一些画图参数还是要调，就比较麻烦，这里总结一下最近用到的模板，以后可以直接画图调用。其实官网matplotlib和seaborn的可视化教程做的非常好，有时间一定要亲手打出来过一遍，链接如下：CATEGORICAL X CATEGORICALHeat map of contingency tableMultiple bar plotsCATEGORICAL X CONTINUOUSBox plots of continuous for
2020-08-12 12:05:05
722
原创 出现 No module named ‘sklearn.cross_validation’ 错误
原因：sklearn中已经废弃cross_validation,将其中的内容整合到model_selection操作：cross_validation改成model_selection，比如将from sklearn.cross_validation import KFoldfrom sklearn.cross_validation import cross_val_score改为from sklearn.model_selection import KFoldfrom sklearn.mod
2020-08-11 16:40:17
540
原创 出现 ‘DataFrame’ object has no attribute ‘ix’ 错误
原因：新库对名称变化操作：ix改成loc比如将admissions.ix[0:128, "fold"] = 1改为admissions.loc[0:128, "fold"] = 1错误来源于 逻辑回归实战 入学接收问题https://blog.csdn.net/qq_43653405/article/details/107655246
2020-08-11 16:37:32
39037
5
原创 出现 DataFrame object has no attribute ‘as_matrix‘ 错误
原因：新库删去了as_matrix操作df.as_matrix()改成df.values，比如将data = data.as_matrix(columns = None) 改为data = data.values错误来源于 简单的用户流失预警实战https://blog.csdn.net/qq_43653405/article/details/107875825...
2020-08-11 16:32:27
2708
原创 出现 ‘Series‘ object has no attribute ‘reshape‘ 错误
原因：需要更详细的分类reshape函数操作：添加 .values,如将sample = sample.reshape([10, 10])改为sample = sample.values.reshape([10, 10])错误来自于探索性数据分析初探：https://blog.csdn.net/qq_43653405/article/details/107916619...
2020-08-10 22:48:23
1410
1
原创 出现No module named ‘pandas.tools‘错误
原因：新库不支持旧库的接口操作：将tool.plotting改成plotting，如from pandas.tools.plotting import scatter_matrix改成from pandas.plotting import scatter_matrix错误来源自 探索性数据分析初探https://blog.csdn.net/qq_43653405/article/details/107916619...
2020-08-10 22:44:10
2761
2
原创 探索性数据分析初探
这里记录一下利用搜集到的数据：足球运动员数据集，进行具体任务前的探索性数据分析，自己觉得是干货，再做其他分析的时候一些函数可以当做模板，代码是挑出来比较典型的，不是流程式的。目标：探索性数据分析（EDA）. 挑战目标: 这些裁判在给红牌的时候咋想的呢，会不会被跟球员的肤色有关?数据简介：数据包含球员和裁判的信息，2012-2013年的比赛数据，总共设计球员2053名，裁判3147名，特征列表如下：– https://docs.google.com/document/d/1uCF5wmbcL9
2020-08-10 22:23:21
283
原创 Anaconda下配置opencv问题总结
因为OpenCV最新版不支持一些库和接口，需要在anaconda中重新创建python3.6环境使用以前的OpenCV-3.4.1.15版本，下载网址在最下面，只支持python3.6版本amd64位系统。并总结一下忘记操作和方法。知识总结创建新环境举例conda create -n py36 python=3.6 anaconda查看所有环境conda info --env激活某一环境举例conda activate py36退出环境，或回到base环境conda deactivate
2020-08-08 20:01:16
478
原创 简单的用户流失预警实战
现实情况下有很多游戏公司给回归用户发礼包、打电话，这里做一个类似的用户流失预警，有助于公司或厂商做出反应。记录一下学习过程，方便以后复习和查找资料。开始先导入库，数据from __future__ import divisionimport pandas as pdimport numpy as npchurn_df = pd.read_csv('churn.csv')col_names = churn_df.columns.tolist() #取所有特征print("Column na
2020-08-08 10:52:56
474
原创 贷款利润最大化实战
拿到一批贷款数据，现在对其进行分类建立模型，看之后的人人来了，我能不能贷给他钱。记录实战的流程，方便以后复习、查找。特征删除数据量极大，大概有几十个特征四万多条数据，这时很明显要进行初步的特征删除。import pandas as pdloans_2007 = pd.read_csv('LoanStats3a.csv', skiprows=1)#先对数据做一下变换，删除几列没用的half_count = len(loans_2007) / 2loans_2007 = loans_2007.dr
2020-08-06 00:05:11
359
原创 简单的股票预测实战（利用ARIMA））
利用ARIMA模型对股票的收盘价进行预测先导入库并设置画图参数%matplotlib inlineimport pandas as pd#import pandas_datareader 获取各种数据集库import datetimeimport matplotlib.pylab as pltimport seaborn as snsfrom matplotlib.pylab import stylefrom statsmodels.tsa.arima_model import ARIMA
2020-08-05 19:19:32
2871
5
原创 ARIMA 小白实战初探
记录利用时间序列模型 ARIMA(p,d,q)进行顾客满意度的预测。ARIMA模型建立流程：平稳序列（差分法确定d）p和q阶数的确定（ACF和PACF）ARIMA(p,d,q)导入库并设置一些画图参数from __future__ import absolute_import, division, print_function%load_ext autoreload%autoreload 2%matplotlib inline%config InlineBackend.figur
2020-08-05 18:22:34
336
1
arduino.zip
2020-06-29
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人