数据挖掘
文章平均质量分 92
DM。
v:spier_bj
展开
-
中医证型关联规则----apriori算法挖掘及plotly数据可视化
中医证型关联规则挖掘建模流程导入常用包可视化统计分析数据离散化处理生成结果数据表分类变量可视化导出算法所需格式导入apriori算法结果展示结果说明建模流程导入常用包from plotly.subplots import make_subplotsimport numpy as npimport pandas as pdimport osimport matplotlib.pyplot as pltfrom PIL import Image%matplotlib inlineimport原创 2020-08-06 18:39:12 · 3446 阅读 · 3 评论 -
电信用户流失分类问题-10种算法对比【更新中】
电信用户流失分析完整流程客户流失分析流程1.数据预处理描述统计数据转换2.数据可视化单列分析多列分析分组计数分析多重分组分析3D图3.数据处理构建建模数据统计分析,所有数值保留3位小数新变量相关矩阵分析主成分分析与可视化二分类变量可视化4.数据建模定义算法视图函数回归模型特征smote回归模型-smote处理回归模型-RFE决策树分类KNN分类器随机森林高斯朴素贝叶斯SVM支持向量机LGBMXGBoost5.模型评价柱形图比较混淆图比较ROC曲线比较,AUC值比较PR曲线客户流失分析流程import n原创 2020-08-05 23:30:36 · 2627 阅读 · 0 评论 -
电力窃漏电识别、汽车偷漏税识别-数据挖掘(附数据)
电力窃漏电用户自动识别数据预处理利用拉格朗日插值法填补缺失值示例数据拉格朗日插值代码【Python】结果展示专家样本指标解释简单可视化构建LM神经网络模型构建CART决策树模型模型评价【汽车税务异常识别】描述可视化LM神经网络CART决策树数据下载数据预处理你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。利用拉格朗日插值法填补缺失值删除是这一种缺失值的记录是最有效的方法。然而原创 2020-07-31 15:03:22 · 1847 阅读 · 2 评论