- 博客(6)
- 收藏
- 关注
RSS订阅原创 一篇博客入门pandas模块
一篇blog入门pandas pandas之于python就犹如屠龙刀之于江湖，没有pandas的python之路注定是艰难的，而pandas的知识点兼具复杂和多样 这篇文章将带领我们入门pandas，让我们学会基础的数据处理。 话不多说，上代码 import pandas as pd import numpy as np obj = pd.Series([4,7,-5,3]) obj out: 0 4 1 7 2 -5 3 3 dtype: int64 就像numpy的array
2020-06-27 16:00:52
241
原创 一篇博客入门Numpy模块
一篇博客入门Numpy模块 （Numerical python）高性能科学计算和数据分析的基础包。 功能： ndarray，一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组。 用于对数组数据进行快速运算的标准数学函数(无须循环) 线性代数，随机数生成以及傅里叶变换功能 用于读写磁盘数据的工具以及用于操作内存映射文件的工具 本质上，Numpy期望用户以使用“标量”的方式操作“向量” 即：操作一个矩阵向操作一个向量一样轻松。 import numpy as np a = np.array([1,
2020-06-18 15:46:21
2718
3
原创 Numpy模块下np.clip()方法的使用
Numpy模块下np.clip()方法的使用 def clip(a, a_min, a_max, out=None, **kwargs): return _wrapfunc(a, 'clip', a_min, a_max, out=out, **kwargs) a: 需要处理的数组 a_min: a中小于a_min全部转化为a_min a_max： a中大于
2020-06-18 15:34:35
630
原创 分类预测&聚类
分类预测&聚类 分类和聚类的不同，点击进行学习。 分类 概念 建立模型，描述预定的数据类集或概念集；之后使用模型进行分类。 预测 构造和使用模型评估无标号样本类，或评估给定样本可能具有的属性值或值区间。 有监督学习(分类) 训练集是带有类标签的 新的数据是基于训练集进行分类的 无监督学习(聚类) 训练集是没有类标签的 提供一组属性，然后寻找出训练集中存在类别或者聚集。 关于分类和预测的问题 数据准备 数据清洗：对数据进行预处理，消除噪音和丢失值 相关性分析(属性选择)：去掉不相关或者冗余
2020-06-01 22:33:10
4960
原创 数据预处理与关联
数据预处理与关联 数据质量的含义 正确性 一致性 完整性 可靠性 在建立数据仓库的时候，由于各种原因造成里数据错误的不可避免性，所以便需要对数据进行预处理。 形式 数据清理 缺失值：忽略、人工填写、全局变量填充、属性平均值填充、最可能值填充、所有同类样本平均值填充。 噪声数据：分箱(按箱平均值、按箱中指、按箱边界)、聚类、回归、计算机和人工检查结合 数据集成 实体识别 属性冗余 数据重复 数据值冲突的检测与处理 数据交换 平滑 聚类 数据概化 规范化 属性构造 数据归约 关联 管理
2020-06-01 21:32:45
879
原创 数据挖掘和数据仓库
数据挖掘和数据仓库 数据挖掘 概念 基于AI、机器学习、统计学等技术，高度自动化的分析原有数据，进行归纳推理，从数据仓库中提取可信的、新颖的、有效的、人们感兴趣的、别人能理解的知识的高级处理过程。 模式分类： 预测性模式或描述性模式 实际应用中可细分为：关联模式、分类模式、聚类模式、序列模式 目的 提高市场的决策能力，检测异常模式，在过去经验的基础上预言未来的趋势。 在数据库中找规律 步骤： 数据准备 数据集成 数据选择 预分析 挖掘 过程： 数据的选择：选择相关的数据 数据的精华 ：消除噪音、
2020-06-01 21:28:12
866
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