- 博客(11)
- 收藏
- 关注
RSS订阅原创 浅试Ecommerce数据集（Kaggle）的AB Testing
本文基于电商 A/B 测试数据集，聚焦新旧落地页转化效果对比。先清洗合并用户访问数据以保障质量，经描述性统计得整体转化率约 12%，两组样本量均衡。双样本比例 Z 检验显示两组无显著差异，效应量 Cohen's d 仅 0.0046，新页面未达提升预期。研究建议维持旧版本，完整呈现 A/B 测试全流程，为电商数据驱动优化提供范例。
2025-10-26 00:56:11
485
原创 加州房价（California Housing Prices）数据集（三）—— sklearn数据集房价预测（xgboost）
本文基于sklearn数据库中的加州房价数据集，采用XGBoost回归模型进行房价预测分析。经随机搜索调参后，模型取得优异表现，可视化验证表明预测值与真实值高度吻合，残差分布随机，模型在房价上限处略有集中预测现象。
2025-09-30 23:19:31
1152
原创 加州房价（California Housing Prices）数据集（二）—— kaggle数据集房价预测（xgboost）
本文基于加州房价数据集，用XGBoost构建房价预测模型。通过特征工程构造人均房间数等指标，结合网格搜索优化参数。结果显示，内陆区位、收入水平、居住空间是房价核心影响因素，模型能有效捕捉房价地理溢价与收入非线性影响，为预测及决策提供可靠依据。
2025-09-30 19:56:35
1385
原创 加州房价（California Housing Prices）数据集（一）———— 数据集的预处理
本文对加州房价数据集进行了系统分析，包括数据介绍、探索性分析和相关性分析
2025-09-27 23:59:12
1649
原创 Iris鸢尾花数据集分类（三）——LightGBM
本文介绍了LightGBM（轻量级梯度提升机）的基本使用流程，包括安装方法、数据准备、模型建立和评估等关键步骤。以鸢尾花数据集为例，详细展示了如何设置模型参数、训练模型、分析特征重要性和评估模型性能，为初学者提供实践参考。
2025-09-26 07:00:00
868
原创 Iris鸢尾花数据集分类（二）—— 决策树
本文介绍了决策树模型在鸢尾花分类任务中的应用。随后构建了DecisionTreeClassifier模型，分别采用文本和图形方式展示决策树逻辑。模型评估显示分类准确率达到100%，混淆矩阵和分类报告均证实模型在所有类别上表现完美。
2025-09-25 17:58:12
797
原创 Iris鸢尾花数据集分类（一）：支持向量机模型
本文介绍了使用支持向量机(SVM)对鸢尾花数据集进行分类分析的过程。首先加载经典的鸢尾花数据集，包含150个样本和4个特征。通过SVC(kernel='linear')和LinearSVC两种线性核SVM模型进行分类，结果显示前者准确率达98%，后者为96%，均表现良好。
2025-09-24 23:24:23
1375
原创 Scorecardpy的应用（筛选优质客户）
本文介绍了使用scorecardpy库构建信用评分系统的完整流程。首先通过德国信用数据集演示了数据加载、特征筛选（基于IV值）和WOE分箱处理。然后建立逻辑回归模型，并详细分析了模型性能指标（KS=0.5625，AUC=0.8468）。最后生成了可解释的评分卡，对特征影响力和业务合理性进行了分析。整个流程展现了如何将机器学习模型转化为业务可理解的评分系统，为信贷风险评估提供技术支持。
2025-09-24 07:00:00
1421
原创 Credit Risk Dataset(Kaggle)信贷违约预测模型（Logistic Regression、Random Forest）
本文基于信贷风险数据集（CreditRiskDataset）开展贷款违约预测分析：先清洗数据（修正异常值、填充缺失值），可视化发现借款人 20-30 岁占 71.8%、中等收入（50k-100k）占 45.1%、租房（50.5%）和按揭（41.3%）为主；相关性分析显示贷款等级与利率、年龄与信用历史长度强相关。构建逻辑回归与随机森林模型，交叉验证平均准确率均 77.58%，但随机森林 AUC（0.9202）优于逻辑回归（0.8549），为信贷风险评估提供有效建模方法。
2025-09-18 22:14:33
1401
原创 yfinance财务报表的数据分析
综合来看，公司财务稳健，盈利能力和现金流均具支撑，自由现金流回升增强了投资与分红能力；负债虽高但利息保障充足，长期偿债风险低；估值已回归合理区间，反映市场对基本面的认可。整体而言，公司财务结构健康，稳健性强，具备持续成长与长期可持续发展的潜力。总结本文选取部分关键指标进行计算与分析，旨在展示分析方法的基本应用，不构成绝对性建议或方案。具体结论需结合更多指标和实际情况进行补充与判断。
2025-09-01 17:17:11
1211
原创 yfinance 数据基本面分析(Python)
本文介绍用 Python 的 yfinance 库获取、分析股票数据，以苹果（AAPL）为例，示安装使用及历史价格、基本面信息提取，计算均线等指标可视化分析其 5 年走势，发现中长期升势稳、短期震荡，为金融分析提供实用框架，未涉财报深入分析。
2025-08-24 18:12:02
1128
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人