python
499650021
这个作者很懒,什么都没留下…
展开
-
Python 3中使用ARIMA进行时间序列预测的指南
最好的做法是,从笔记本电脑的顶部导入需要的库: import warningsimport itertoolsimport pandas as pdimport numpy as npimport statsmodels.api as smimport matplotlib.pyplot as pltplt.style.use('fivethirtyeight') 我们还为我们的地块...转载 2018-04-17 20:12:15 · 34884 阅读 · 14 评论 -
AR(I)MA时间序列建模过程——步骤和python代码
转载自:https://www.jianshu.com/p/cced6617b423侵删1.异常值和缺失值的处理这绝对是数据分析时让所有人都头疼的问题。异常和缺失值会破坏数据的分布,并且干扰分析的结果,怎么处理它们是一门大学问,而我根本还没入门。(1)异常值3 ways to remove outliers from your data提供了关于如何对时间序列数据进行异常值检测的方法,作者认为移动...转载 2018-05-17 09:31:20 · 14634 阅读 · 3 评论 -
如何进行特征选择(代码篇)| 机器学习你会遇到的“坑”
转载自:https://baijiahao.baidu.com/s?id=1604162212692449062&wfr=spider&for=pc仅做记录,侵删。我们在这里首先会对数据的多余特征和无关特征做可视化,以便我们更好的理解特征选择的动机,接着分别用过滤法,包裹法,和嵌入法这些特征选择的方法做出代码展示,同时观察测试集上泛化误差来体现出特征选择的优越性,最后我们试...转载 2019-01-18 14:20:00 · 1445 阅读 · 0 评论 -
结合Scikit-learn介绍几种常用的特征选择方法
转载自:https://www.cnblogs.com/hhh5460/p/5186226.html#top作者:Edwin Jarvis特征选择(排序)对于数据科学家、机器学习从业者来说非常重要。好的特征选择能够提升模型的性能,更能帮助我们理解数据的特点、底层结构,这对进一步改善模型、算法都有着重要作用。特征选择主要有两个功能:减少特征数量、降维,使模型泛化能力更强,减少过拟...转载 2019-03-07 10:14:46 · 212 阅读 · 0 评论 -
特征工程
http://www.cnblogs.com/jasonfreak/p/5448385.html1 特征工程是什么?2 数据预处理 2.1 无量纲化 2.1.1 标准化 2.1.2 区间缩放法 2.1.3 标准化与归一化的区别 2.2 对定量特征二值化 2.3 对定性特征哑编码 2.4 缺失值计算 2.5 数据变换 2.6 回顾3 特征选择...转载 2019-03-07 10:21:59 · 207 阅读 · 0 评论