一、自学Python的最终的目标是
a，实现自动化办公
b，实现数据的爬取
c，实现基本的数据分析（SEMMA）
S:Sample(收集数据)
常用手段：问卷调查，数据库查询，实验室实验，仪器设备的记录
E：Explore(数据探索)
探索方向：离散变量的分布比例，连续变量的分布形态，数据的异常和缺失，特征选择
M：Modify（数据修正）
常用修正方法：数据类型的转换，数据的一致性处理，异常值和缺失值的处理，数据形态的转换
M：Model（数据建模）
常用的模型：有监督的预测性模型（如回归、决策树、KNN等），有监督的判别模型（如logistics、贝叶斯、集成算法等），无监督模型（如Kmeans聚类、层次聚类、密度聚类等），半监督模型（如关联规则等）
A：Assess（模型评估）
常用十种检验方法：RMSE，混淆矩阵，ROC曲线，KS曲线
确保准确性：增加样本量，扩展维度ÿ
这篇博客介绍了Python实战中的关键知识点，包括自动化办公、数据爬取和数据分析。讲解了数据收集、探索、修正、建模及评估的过程，强调了统计学、数据库和Excel等技能的重要性。此外，还涵盖了Python的基础知识，如常用工具、数据结构、字典操作、循环结构和正则表达式。通过实例展示了如何使用Python进行数据处理、爬虫编写、列表和字典的使用，以及正则表达式在文本处理中的应用。
订阅专栏 解锁全文
扫一扫
1200
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
