qq_45315982的博客

import pandas as pdbeer=pd.read_csv('data.txt',sep=' ')# print(bear)#取出四列数据X=beer[['calories','sodium','alcohol','cost']]#导入kmeansfrom sklearn.cluster import KMeanskm=KMeans(n_clusters=3).fit...

python文本数据分析文本数据停用词在拿到文章后里面有许多词语大量出现，但是不存在实际意义，比如标点符号，比如：一样，一个，一些，一时，一旦，一起等等。。跟文章主要内容没有什么关系。Tf-idf ：关键词提取比如：《中国的蜜蜂养殖》: 进行**词频（Term Frequency，缩写为TF）**统计出现次数最多的词 是----“的”“是”“在”----这一类最常用的词（停用词）...

集成方法案例集成方法可将多种机器学习模型的预测结果结合在一起，获得单个模型无法匹敌的精确结果，它已成为几乎所有 Kaggle 竞赛冠军的必选方案。那么，我们该如何使用 Python 集成各类模型呢？本文作者，曼彻斯特大学计算机科学与社会统计学院的在读博士 Sebastian Flennerhag 对此进行了一番简述。在 Python 中高效堆叠模型集成（ensemble）正在迅速成为应用机器...

信用卡欺诈检测（二分类问题）因为数据的隐私问题，很多指标进行了降维处理，特征已经提取完毕。数据进行分类：属于0类：正常属于1类：异常在数据集中，正常数据大于异常数据。class里面为0的是正样本，1的是负样本。样本不均衡时采用的方法1.过采样让1样本像0样本一样多。2.欠采样（下采样）让0样本像1样本一样少。Amount样本分布差异过大（标准化或者归一化）#Amount...