小刘的博客

本文主要包括以下三个方面：1. 对Iris数据集应用kmeans聚类方法进行离群点检测，并分别采用tsne、MDS、Isomap和PCA降维将原数据降到2维并在新数据中标出离群点。2. 使用Kmeans聚类、DBCAN聚类和BIRCH聚类方法分别对去除离群点前后的数据集进行聚类，最后通过比较他们的NMI值确定聚类效果的好坏3. 对Iris数据集先分别采用sne、MDS、Isomap和PCA降维，然后对降维后的数据进行离群点的检测。

这里写目录标题2 第二章：数据清洗及特征处理2.1 缺失值观察与处理2.1.1 任务一：缺失值观察2.1.2 任务二：对缺失值进行处理2.2 重复值观察与处理2.2.1 任务一：请查看数据中的重复值2.2.2 任务二：对重复值进行处理2.2.3 任务三：将前面清洗的数据保存为csv格式2.3 特征观察与处理2.3.1 任务一：对年龄进行分箱（离散化）处理2.3.2 任务二：对文本变量进行转换2.3.3 任务三：从纯文本Name特征里提取出Titles的特征(所谓的Titles就是Mr,Miss,Mrs等)

目录开始之前，导入numpy、pandas包和数据第二章：数据重构2.4 数据的合并2.4.1 任务一：将data文件夹里面的所有数据都载入，观察数据的之间的关系2.4.2：任务二：将数据train-left-up.csv和train-right-up.csv横向合并为一张表，并保存这张表为result_up方法一、使用concat方法：方法二、用DataFrame自带的方法join方法方法三、使用Panads的merge方法2.4.3 任务三：将train-left-down和train-right-do

目录开始之前，导入numpy、pandas包和数据1.6 了解你的数据吗？1.6.1 任务一：利用Pandas对示例数据进行排序，要求升序1.6.2 任务二：对泰坦尼克号数据（trian.csv）按票价和年龄两列进行综合排序（降序排列），从这个数据中你可以分析出什么？1.6.3 任务三：利用Pandas进行算术计算，计算两个DataFrame数据相加结果1.6.4 任务四：通过泰坦尼克号数据如何计算出在船上最大的家族有多少人？1.6.5 任务五：学会使用Pandas describe()函数查看数据基本统计

目录1.4 知道你的数据叫什么1.4.1 任务一：pandas中有两个数据类型DateFrame和Series，通过查找简单了解他们。然后自己写一个关于这两个数据类型的小例子????[开放题]1.4.2 任务二：载入"train.csv"文件1.4.3 任务三：查看DataFrame数据的每列的名称1.4.4 任务四：查看"Cabin"这列的所有值1.4.5 任务五：加载文件"test_1.csv"，然后对比"train.csv"，看看有哪些多出的列，然后将多出的列删除1.4.6 任务六： 将['Passe

目录1 第一章：数据载入及初步观察1.1 载入数据1.1.1 任务一：导入numpy和pandas1.1.2 任务二：载入数据1.1.3 任务三：每1000行为一个数据模块，逐块读取1.1.4 任务四：将表头改成中文，索引改为乘客ID1.2 初步观察1.2.1 任务一：查看数据的基本信息1.2.2 任务二：观察表格前10行的数据和后15行的数据1.2.4 任务三：判断数据是否为空，为空的地方返回True，其余地方返回False1.3 保存数据1.3.1 任务一：将你加载并做出改变的数据，在工作目录下保存为一