Q1-读取csv格式数据时无法显示汉字
尝试在保存csv时,在excel的工具栏中选择UTF-8编码,但用pycharm打开仍然乱码。
尝试在pycharm的csv界面下右键-File Encoding-GBK,同时更改读取文件代码行:
datafile = pd.read_csv(‘2015-2018.csv’, header=0, encoding=“GBK”)
Q2-对某列数据进行一系列拆分操作后,再使用pd.concat函数发现不能完好拼接
为了使后续构造数据的index也能同时使用,这里重制index。添加代码行:datafile = datafile.reset_index(drop=True)
Q3-构造特征:计算日期列中数据为该年第几天
year = [x[0] for x in date_in_csv.str.split(’/’)]
month = [x[1] for x in date_in_csv.str.split(’/’)] # 存在日期列缺失值时无法使用
day = [x[2] for x in date_in_csv.str.split(’/’)]
Q4-独热码编码
pd.get_dummies(datasets, sparse=True)
Q5-z-score标准化
from sklearn.preprocessing import scale
Q6-pandas中两列数据相加减乘除操作
n1_n2 = pd.DataFrame({‘nnn’: n1 / n2})
Q7-从本文件夹的其他py文件中调用函数
被调用文件中用def定义函数,调用时只需要直接import就好啦
Q8- sklearn.svm包中的SVC(kernel=”linear“)和LinearSVC的区别
https://www.cnblogs.com/zealousness/p/7757603.html
1、LinearSVC使用的是平方hinge loss,SVC使用的是绝对值hinge loss
(我们知道,绝对值hinge loss是非凸的,因而你不能用GD去优化,而平方hinge loss可以)
2、LinearSVC使用的是One-vs-All(也成One-vs-Rest)的优化方法,而SVC使用的是One-vs-One
3、对于多分类问题,如果分类的数量是N,则LinearSVC适合N模型,而SVC适合N(N-1)/2模型
4、对于二分类问题一般只有其中一个合适,具体问题具体对待
5、LinearSVC基于liblinear,罚函数是对截矩进行惩罚;SVC基于libsvm,罚函数不是对截矩进行惩罚。
6、我们知道SVM解决问题时,问题是分为线性可分和线性不可分问题的,liblinear对线性可分问题做了优化,故在大量数据上收敛速度比libsvm快(一句话,大规模线性可分问题上LinearSVC更快)
XGBoost入门
https://blog.csdn.net/qunnie_yi/article/details/80129857
天池历届大赛答辩PPT及视频
https://tianchi.aliyun.com/forum/postDetail?postId=99
Python数据可视化
https://www.cnblogs.com/l520/p/10275882.html
常用数学符号的 LaTeX 表示方法
http://www.mohu.org/info/symbols/symbols.htm
轮廓系数(Silhouette Coefficient )
轮廓系数(Silhouette Coefficient),是聚类效果好坏的一种评价方式。最早由 Peter J. Rousseeuw 在 1986 提出。它结合内聚度和分离度两种因素。可以用来在相同原始数据的基础上用来评价不同算法、或者算法不同运行方式对聚类结果所产生的影响。
面向大数据的时空数据挖掘
https://bbs.pinggu.org/thread-4970490-1-1.html
随机森林之特征选择
http://www.360doc.com/content/13/1206/09/13528701_334877080.shtml