子浩的博客

博客《【Python】随机森林算法——东北大学大数据班数据挖掘实训四》的数据 利用train.csv中的数据，通过H2O框架中的随机森林算法构建分类模型，然后利用模型对test.csv中的数据进行预测，并计算分类的准确度进而评价模型的分类效果；通过调节参数，观察分类准确度的变化情况。注：准确度＝预测正确的数与样本总数的比【注：可以做一些特征选择的工作，来提高准确度】

《【Python】决策树算法(DecisionTreeClassifier)——东北大学数据挖掘实训三》的数据

本节将要预测 20 世纪 70 年代中期波士顿郊区房屋价格的中位数，已知当时郊区的一些数据点，比如犯罪率、当地房产税率等。 本节用到的数据集与前面两个例子有一个有趣的区别。它包含的数据点相对较少，只有 506 个，分为 404 个训练样本和 102 个测试样本。输入数据的每个特征（比如犯罪率）都有不同的取值范围。例如，有些特性是比例，取值范围为 01；有的取值范围为 112；还有的取值范围为 0~100，等等。

路透社数据集，它包含许多短新闻及其对应的主题，由路透社在 1986 年发布。它 是一个简单的、广泛使用的文本分类数据集。它包括 46 个不同的主题：某些主题的样本更多， 但训练集中每个主题都有至少 10 个样本。 与 IMDB 和 MNIST 类似，路透社数据集也内置为 Keras 的一部分。

mnist.npz 我们将使用 MNIST 数据集，它是机器学习领域的一个经典数据集，其历史几乎和这 个领域一样长，而且已被人们深入研究。这个数据集包含 60 000 张训练图像和 10 000 张测试图 像，由美国国家标准与技术研究院（National Institute of Standards and Technology，即 MNIST 中 的 NIST）在 20 世纪 80 年代收集得到。你可以将“解决”MNIST 问题看作深度学习的“Hello

imdb.npz和imdb_word_index.json 互联网电影资料库（Internet Movie Database，简称IMDb）是一个关于电影演员、电影、电视节目、电视明星和电影制作的在线数据库。

python-pandas的一些小练习——东北大学大数据班数据挖掘实训Python基础二（2） 实训练习：练习使用pandas 包中的dataframe和方法。 1将数据读取为dataframe类型，命名为df 2查看数据的形状[了解数据有多少行、多少列] 3查看数据的最开始的7条数据和尾部的3条数据 4查看数据的各字段的类型 5查看数据是否有缺失值 6如果有缺失值，进行补0操作 7从df中按字段取出‘ date’’dist’和‘ flight’形成新的df1 8从df中按位置选取行为3和4，列为0,1的数据形成新的df2 9在df中添加一列‘ low_dest’，内容是‘ dest’这列的字符串的小写形式 10从df中选取‘ dist’大于1000并且小于1200的数据作为一个新的df3 11从df中选取‘ time’大于100的数据做为新的df4 12将df3和df4合并为一个dataframe，命名为df5 13取出df3中的‘ time’,‘dist’ 这两列做为df6， 求出df6中每列中最大值与最小值的差值（运用lambda函数的方式进行求解 ） 14将df根据“ dest”分组，统计各目的地，都有多少条数据，命名为“ dest_count”，然后将“ dest”和“ dest_count”组成新的dataframe命名为df7 15根据dep_delay不为0，统计df中有多少次航班起飞延误 16利用plane字段，统计df中不同航班的飞行次数，以plane和plane_cout格式保存为df8 17利用carrier字段，计算df中carrier字段不同属性数据的数据量的比值（如：XE的数据量与MQ的数据量的比值） 18分别将df7和 df8保存到本地文件，文件名分别为df7.csv和df8.csv

练习使用python-numpy的方法——东北大学大数据班数据挖掘Python基础二（1） 实训项目:练习使用numpy的方法。 （1）用0~19的数字生成(4,5)的数组命名为a,查看a的维度；查看a的轴的个数；查看a元素的总个数; （2）创建元素为1,2,3,4的(2,2)的数组 b，查看b中元素类型。 （3）创建一个全1的（4,4）的数组c;创建一个内容随机的(3,2)数组d，并打印d。 （4）用0~11的数，创建一个3*4的数组n1，计算每一列的和；计算每一行的最小值。 （5）生成一个3个元素的数组n2,通过常用函数计算每个元素的平方根；每个元素的标准差。 （6）生成一个9个（可以从0~8）元素的数组n3,计算每个元素的平方根；取出位置2的元素；取出位置2至5之间的元素。 （7）随机生成2个3*3的数组n4和n5，将n4和n5进行垂直合并形成n6;将n4和n5进行水平合并形成n7。 （8）创建一个2行3列的零矩阵命名为z,将z的2行3列的位置值置成1。 （9）生成4*4的对角矩阵，以[1,2,3,4]为对角线,其他位置用0填充，命名为z1 。 （10）用0~8的数，创建成`3*3`的矩阵，命名为z2;用随机数，创建`4*4`的矩阵，命名为z3。 （11）读取iris数据集中的数据。 （12）获取数据中的花萼长度数据。 （13）对花萼长度数据进行排序。 （14）对花萼长度数据进行去重。 （15）对花萼长度数据进行求和。 （16）对花萼长度数据进行求均值。 （17）对花萼长度数据求累计和。 （18）对花萼长度数据求标准差。 （19）对花萼长度数据求方差 。 （20）对花萼长度数据求最大值、最小值。

python-matplotlib的一些小练习——东北大学大数据班数据挖掘实训Python基础三 题目：练习使用matplotlib 包中的方法绘图。 1.通过pandas包将数据scmd_CalculationData.csv读入，从中取出winddirection和windspeed1这2个字段，绘制风速与风向的散点图（风向为横轴，风速为y轴）。（要求：有标题(风速与风向的函数)、横纵坐标的标题、设置网格，保存图片文件命名为1风速与风向的函数.png） 2.通过pandas包将数据scmd_CalculationData.csv读入，从中取出windspeed1、power_max、power_min、power和power_dev这5个字段，绘制功率特性的散点图（风速为x轴，其他为y轴）。（要求：有标题(功率特性散点图)、横纵坐标的标题、图例、设置网格，保存图片文件命名为2功率特性散点图.png） 3.通过pandas包将数据bz_df_wt.csv读入，从中取出bin_bz_fs<=20的数据，然后取出实际风速bin_bz_fs和实际功率bin_bz_power；再读入bzglqx.csv取出保证风速fs和保证功率gl，绘制功率曲线的对比图（一张图中绘制，横轴为风速，纵轴为功率）。（要求：有标题(实测与设计功率曲线对比)、横纵坐标的标题、图例、设置网格，保存图片文件命名为3实测与设计功率曲线对比.png）

东北大学软件学院Linux实验报告及代码 老师是sk 东北大学软件学院Linux实验报告及代码 老师是sk

这是kaggle泰坦尼克号准确率0.81的python数据分析超级详细的源代码 这是传说中的泰坦尼克机器学习比赛-对你来说最好的，第一次挑战，让你潜入机器学习比赛，熟悉Kaggle平台的工作原理。 竞争很简单：使用机器学习来创建一个模型，预测哪些乘客在泰坦尼克号沉船事故中幸存下来。