- 博客(5)
- 收藏
- 关注
RSS订阅原创 Task05 模型的建立与评估
经过前面的两章的知识点的学习，我们可以对数据的本身进行处理，比如数据本身的增删查补，还可以做必要的清洗工作。那么下面我们就要开始使用我们前面处理好的数据了。这一章我们要做的就是使用数据，我们做数据分析的目的也就是，运用我们的数据以及结合我的业务来得到某些我们需要知道的结果。那么分析的第一步就是建模，搭建一个预测模型或者其他模型；我们从这个模型的到结果之后，我们要分析我的模型是不是足够的可靠，那我们就需要评估这个模型。这一节我们就学习模型建立和评估，利用泰坦尼克号的数据，预测存活的任务。1模型的建立1.1
2021-06-23 20:55:51
129
原创 Task04 数据可视化
数据可视化复习：回顾学习完第一章，我们对泰坦尼克号数据有了基本的了解，也学到了一些基本的统计方法，第二章中我们学习了数据的清理和重构，使得数据更加的易于理解；今天我们要学习的是第二章第三节：数据可视化，主要给大家介绍一下Python数据可视化库Matplotlib，在本章学习中，你也许会觉得数据很有趣。在打比赛的过程中，数据可视化可以让我们更好的看到每一个关键步骤的结果如何，可以用来优化方案，是一个很有用的技巧。1 常见可视化图形数据的可视化能使数据的内在规律、信息更加直观地被展现，不同的可视化图形拥
2021-06-21 22:35:28
603
原创 Task03 数据重构
这一节的任务为数据重构，它仍然是对数据的理解1 数据合并在python中，有三个函数可以将数据合并，分别是concat、join和merge、join，接下来将介绍这三个函数的用法。1、pd.concatpd.concat(objs, axis=0, join=‘outer’, join_axes=None, ignore_index=False,keys=None, levels=None, names=None, verify_integrity=False)常用参数说明：objs：需要合
2021-06-19 19:54:34
127
原创 Task02：数据清洗及特征处理
我们拿到的数据通常是不干净的，所谓的不干净，就是数据中有缺失值，有一些异常点等，需要经过一定的处理才能继续做后面的分析或建模，所以拿到数据的第一步是进行数据清洗，本章我们将学习缺失值、重复值、字符串和数据转换等操作，将数据清洗成可以分析或建模的样子。1 缺失值观察与处理1.1 缺失值观察查看每个特征的缺失值个数有多种方法，以下将展示三种方法。#数据导入import pandas as pdimport numpy as nptrain=pd.read_csv("train.csv")#方法1
2021-06-17 20:57:20
226
原创 Task01 数据加载及探索性数据分析
Task01 数据加载及探索性数据分析Task01以泰坦尼克号数据为例，学习数据的加载及初步观察、pandas基础以及探索性数据分析。1 数据加载及初步观察1.1 载入数据数据载入有两种方式，分别为：以绝对路径载入和以相对路径载入。绝对路径：以根目录为起始点某一文件的路径。相对路径：以某一个文件夹或者文件为参照点来看，其他文件夹或者文件的路径。以绝对路径和相对路径载入数据的python如下所示。import pandas as pd#以绝对路径载入数据data_abs=pd.read_
2021-06-15 22:09:19
366
3
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人