Python
宋应
这个作者很懒,什么都没留下…
展开
-
详解python2 和 python3的区别
详解python2 和 python3的区别 - Python基础教程|Python教程|Python入门 - PythonTab中文网 http://www.pythontab.com/html/2012/pythonjichu_1220/10.html1.性能 Py3.0运行 pystone benchmark的速度比Py2.5慢30%。Guido认为Py3.0有极转载 2015-01-28 16:29:50 · 559 阅读 · 0 评论 -
WindowsError的错误代码详解
转载:http://www.tuicool.com/articles/nyummujWindowsError的错误代码详解0操作成功完成。1功能错误。2系统找不到指定的文件。3系统找不到指定的路径。4系统无法打开文件。5拒绝访问。6句柄无效。7存储控制块被损坏。8存储空间不足,无法处理此命令。9存储控制块地址无效。10环境错误。1转载 2015-02-02 09:59:50 · 940 阅读 · 0 评论 -
xgboost在Python的安装
xgboost在Python的安装第一步:在github下载xgboost,地址:github,xgboost第二步,编译生成xgboost_wrapper.dll(用于python)。用vs打开xgboost-master源文件夹下的windows文件夹,打开解决方案,官方说明是需要使用x64,release,但是我的电脑是win 8.1 32位的,只好选择了win 32转载 2015-12-23 09:21:53 · 7990 阅读 · 0 评论 -
Python第三方库的安装方法
三种安装方式文章参考:(http://www.jb51.net/article/68231.htm)1. 通过setuptools来安装python模块2. 通过pip来安装python模块在cmd中执行命令,pip install -U 库名 卸载库可以用,pip uninstall 库名 查看所有安装库及版本,pip list3. 直接从网上下载下可执行文件来安装三种方法第原创 2015-12-23 09:45:19 · 1092 阅读 · 0 评论 -
Python中机器学习库scikit-learn的安装
-前言:使用scikit-learn官网上的方法,安装总是出问题。 其方法为:pip install -U scikit-learn-重新使用下载第三方库到本地安装 需要安装的库有:numpy,scipy,matplotlib,scikit-learn 具体安装方法参考:(http://blog.csdn.net/songying2012/article/details/50384578)原创 2015-12-23 09:57:04 · 769 阅读 · 0 评论 -
scikit-learn中PCA的使用方法
scikit-learn中PCA的使用方法来源:http://blog.csdn.net/u012162613/article/details/42192293 参考:sklearn.decomposition.PCA在前一篇文章 主成分分析(PCA) 中,我基于python和numpy实现了PCA算法,主要是为了加深对算法的理解,算法的实现很粗糙,实际应用中我们一般调用成熟的包,本文就结束sci转载 2015-12-23 22:06:03 · 1767 阅读 · 0 评论 -
XGBoost参数说明
XGBoost Parameters来源:(https://github.com/dmlc/xgboost/blob/master/doc/parameter.md) Before running XGboost, we must set three types of parameters: general parameters, booster parameters and task param原创 2015-12-25 15:35:14 · 4146 阅读 · 0 评论 -
数据探索之缺失值处理及代码实现
在数据挖掘中,前期数据预处理,会涉及到很多缺失值的处理问题。 现以python代码实现为例,看如何具体处理的。所需python包from pandas import Series, DataFrameimport pandas as pd寻找缺失值def FindFeactureNAorValue(data, feacture_cols, axis=0, value = 'NA', prob原创 2016-03-31 10:25:38 · 3590 阅读 · 0 评论 -
数据挖掘之数据探索
本文探索: 1. 探索类别特征,查看每个类别特征有多少种类 2. 探索数值特征,离散化方式 3. 去除大多数是同一值的特征 4. 处理时间型特征一、查看每个类别特征有多少种类def FindNumOfCatFeacture(data, feacture_cols, Flag_dropcat = 50): ''' 函数说明:寻找每一个类别特征有多少种种类, 及去除种类多的特征原创 2016-03-31 10:37:32 · 675 阅读 · 0 评论