![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
python 数据分析
weixin_42129177
这个作者很懒,什么都没留下…
展开
-
模型搭建
模型搭建模型搭建处理完前面的数据我们就得到建模数据,下一步是选择合适模型在进行模型选择之前我们需要先知道数据集最终是进行监督学习还是无监督学习除了根据我们任务来选择模型外,还可以根据数据样本量以及特征的稀疏性来决定刚开始我们总是先尝试使用一个基本的模型来作为其baseline,进而再训练其他模型做对比,最终选择泛化能力或性能比较好的模型模型创建创建基于线性模型的分类模型(逻辑回归)创建基于树的分类模型(决策树、随机森林)查看模型的参数,并更改参数值,观察模型变化.提示逻辑回归不是原创 2020-08-28 23:12:30 · 508 阅读 · 0 评论 -
动手学数据分析——数据可视化
数据可视化思考】最基本的可视化图案有哪些?分别适用于那些场景?散点图:用于发现各变量之间的关系。柱状图:展示多个分类的数据变化和同类别各变量之间的比较情况。条形图:展示多个分类的数据变化和同类别各变量之间的比较情况。折线图:展示数据随时间或有序类别的波动情况的趋势变化。饼图:用来展示各类别占比,比如男女比例。热力图:以特殊高亮的形式显示访客热衷的页面区域和访客所在的地理区域的图示。箱型图:用来展示一组数据分散情况,特别用于对几个样本的比较。#导入相关库import numpy as np原创 2020-08-25 23:59:24 · 538 阅读 · 0 评论 -
动手学数据分析之“数据重构”
动手学数据分析之“数据重构”数据合并pandas库中的数据合并方法有merge()concat()join()GroupBy机制原创 2020-08-23 23:12:32 · 78 阅读 · 0 评论 -
动手学数据分析-数据清洗及特征处理
#加载相关的库import numpy as npimport pandas as pd#载人数据data = pd.read_csv('train.csv')data.head()缺失值观察与处理缺失值观察data.info()data.isnull().sum()对缺失值进行处理**DataFrame.dropna(axis=0, how=‘any’, thresh=None, subset=None, inplace=False)函数作用:删除含有空值的行或列axi原创 2020-08-21 23:26:47 · 198 阅读 · 0 评论 -
动手学数据分析——第一天
动手学数据分析——第一天文章目录动手学数据分析——第一天一.数据加载**1.导入numpy、pandas包**2.载入数据3.修改表头并保存4.初步观察6.观察数据7.保存数据二.pandas基础1.DateFrame和Series类型2.载人'train.csv'并进行相关操作3.筛选的逻辑三.探索性数据分析1.对数据进行排序2.算术计算3.用describe()函数查看信息一.数据加载加粗样式数据集下载 https://www.kaggle.com/c/titanic/overview1.导原创 2020-08-19 23:49:13 · 188 阅读 · 0 评论