学习笔记 — Datawhale数据分析入门Task05

最新推荐文章于 2024-06-15 22:21:58 发布
最新推荐文章于 2024-06-15 22:21:58 发布
阅读量559 收藏
点赞数
分类专栏： 学习笔记 文章标签： 数据分析 数据挖掘 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_47754374/article/details/122612847
版权

四、数据建模、计算、分析—建模

1、载入库，并思考这些库的作用是什么呢？

Matprotlib是Py的绘图库，可与NumPy一起使用，提供了一种有效的MatLab开元替代方案。

Seaborn是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易。

2、载入清洗之后的数据(clear_data.csv)，并将原始数据载入(train.csv)，说说他们有什么不同?

①清洗过的数据与原数据形状不太相同

②清洗过的数据比原数据减少了'Survived''Name'这两个特征，并且数据中的文字类型都转成了数据类型以便后续数据处理

3、模型搭建

  • 处理完前面的数据我们就得到建
最低0.47元/天 解锁文章
哇塞小夏
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Datawhale 数据挖掘入门：数据分析 笔记
12-21
摘自 AI蜗牛车 在Datawhale 数据挖掘入门：数据分析部分的讲义 赛题：零基础入门数据挖掘 – 二手车交易价格预测 地址：...
python数据分析入门学习笔记
02-25
1.Numpy：Numpy是python科学计算的基础包，它提供以下功能（不限于此）：(1)快速高效的多维数组对象naarray(2)用于对数组执行元素级计算以及直接对数组执行数学运算的函数(3)用于读写硬盘上基于数组的数据集的工具(4...
数据分析方法论学习笔记.md
05-24
数据分析方法论.md数据分析方法论.md数据分析方法论.md数据分析方法论.md数据分析方法论.md数据分析方法论.md数据分析方法论.md数据分析方法论.md数据分析方法论.md数据分析方法论.md数据分析方法论.md数据分析方法...
Python数据分析实战 内利著 学习笔记
12-21
Python数据分析实战 内利著 学习笔记 Python数据分析实战 内利著 学习笔记 Python数据分析实战 内利著 学习笔记 Python数据分析实战 内利著 学习笔记 Python数据分析实战 内利著 学习笔记 Python数据分析实战 内利著...
数据分析的流程是啥样？
分享TOB相关资讯以及低代码相关信息!!!
06-15 290
通过深入挖掘和理解数据，企业可以做出更明智的决策，优化产品与服务，提高市场竞争力。然而，数据分析并非简单的数据堆砌和解读，它需要一个系统的流程来确保分析的准确性和有效性。同时，报告也需要提出针对性的建议或解决方案，以帮助决策者做出更明智的决策。在收集数据时，需要掌握一些基本的SQL语言技能，以确保能够准确、高效地提取所需数据。但无论如何，一个系统、规范的数据分析流程都是确保分析结果可靠性和有效性的关键。在数据分析过程中，需要关注数据的分布、趋势、关联性等，发现数据中的规律和异常。
数据预处理 #数据挖掘 #python
__forward--的博客
06-12 1047
数据分析中的预处理步骤是数据分析流程中的重要环节，它的目的是清洗、转换和整理原始数据，以便后续的分析能够准确、有效。预处理的质量直接影响到分析结果的可靠性。
从GAN到WGAN（02/2）
gongdiwudu的专栏
06-14 791
生成对抗网络 （GAN） 在许多生成任务中显示出巨大的效果，以复制现实世界的丰富内容，如图像、人类语言和音乐。它的灵感来自博弈论：两个模型，一个生成器和一个批评家，在相互竞争的同时使彼此更强大。然而，训练GAN模型是相当具有挑战性的，因为人们面临着训练不稳定或收敛失败等问题。在这里，我想解释一下生成对抗网络框架背后的数学原理，为什么很难训练，最后介绍一个旨在解决训练难点的GAN修改版本。
论文阅读笔记：DepGraph: Towards Any Structural Pruning
HollowKnightz的博客
06-15 805
论文阅读笔记：DepGraph: Towards Any Structural Pruning
Meta首席AI科学家Yann LeCun指出生成式AI的不足
2301_79342058的博客
06-09 1460
每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！订阅：https://rengongzhineng.io/在当今被誉为技术创新前沿的生成式AI领域，Meta首席AI科学家Yann LeCun提出了一个颠覆现状的观点。
yolov10主要特点
yzf060109的专栏
06-14 514
以下是YOLOv10与其他模型的快速对比：YOLOv10-S：46.3 AP，2.49毫秒延迟YOLOv10-M：51.1 AP，4.74毫秒延迟YOLOv10-L：53.2 AP，7.28毫秒延迟YOLOv10-X：54.4 AP，10.70毫秒延迟这些改进使YOLOv10成为实时目标检测任务的首选，从自动驾驶到智能监控。与YOLOv9-C相比，YOLOv10-B（一个平衡的变体）延迟减少了46%，参数量减少了25%，同时保持了相同的性能水平。一对多分配：在训练过程中使用，以提供丰富的监督信号。
CNN学习（7）：用C++实现简单不同参数的卷积模型
最新发布
共同学习，共同进步。
06-15 350
几类简单的卷积操作及可执行程序。
Windows10下安装GPU环境Cuda和Pytorch教程图解
weixin_40547993的博客
06-12 1208
在深度学习和高性能计算领域，利用GPU进行计算已经成为提升效率的关键手段。CUDA是NVIDIA推出的并行计算平台和编程模型，它使得开发者能够利用NVIDIA GPU的强大计算能力。同时，PyTorch作为一个广泛使用的深度学习框架，以其易用性和灵活的动态计算图受到了研究人员和开发者的青睐。为了在Windows10系统上充分利用GPU进行深度学习训练，需要正确安装和配置CUDA和PyTorch。
【讲解下目标追踪】
2301_81357485的博客
06-10 503
🏆近年来，随着深度学习的发展，基于深度学习的跟踪器已经取得了显著的性能提升，这些方法通常采用卷积神经网络（CNN）从大量带标签的数据中学习目标的特征表示，从而在各种复杂场景下都表现出强大的鲁棒性和准确性。🏆目标追踪是计算机视觉领域的一个重要问题，它旨在从视频序列中连续、自动地识别并跟踪一个或多个目标物体，目标追踪在许多实际应用中都有着广泛的应用，比如视频监控、运动分析、自动驾驶、人机互动和增强现实等。：随着时间的推移，目标的外观可能会发生变化，因此跟踪算法必须能够适应这些变化，可能需要定期更新目标的模型。
集成算法实验(Bagging策略)
weixin_50917576的博客
06-12 977
Bagging：训练多个分类器取平均fx1/M∑m1M​fm​x全称： bootstrap aggregation（说白了就是训练一堆分类器）最典型的代表就是随机森林，现在Bagging模型基本上也是随机森林。随机：数据采样随机，；数据有多个特征(属性)组成，。随机是为了使得每个分类器拥有明显差异性。森林：很多个决策树并行放在一起如何对所有树选择最终结果？分类的话可以采取少数服从多数，回归的话可以采用取平均值。
DeepSORT（目标跟踪算法）中的计算观测值与状态估计的马氏距离
flyfish
06-10 769
flyfish在目标跟踪中，使用马氏距离可以帮助判断某个观测值是否与当前的状态估计一致。gating_distance 是一个方法，用于计算状态分布和观测值之间的门限距离（gating distance）。门限距离通常用于数据关联和验证测量值是否合理。提示用户可以从 chi2inv95 中获取适当的距离阈值。如果only_position 为 False，则使用4自由度的卡方分布，否则使用2自由度的卡方分布。
NVIDIA Triton系列01-应用概论
dejahu的博客
06-15 364
NVIDIA 的 Triton 推理服务器是一款开源软件，对于所有推理模式都可以简化在任一框架中以及任何 GPU 或 CPU 上的运行方式，从而在生产环境中使用推理计算，并且支持多模型 ensemble，以及 TensorFlow、PyTorch、ONNX 等多种深度学习模型框架，可以很好的支持多模型联合推理的场景，构建起视频、图片、语音、文本整个推理服务过程，大大降低多个模型服务的开发和维护成本。大大提高了用户的体验，并且服务器的数量减少了多达 78%，极大降低了服务的成本。
NVIDIA Jetson Linux 35.3.1-开发指南-Jetson软件架构
FREEDOM_X的专栏
06-11 755
下图显示了NVIDIA®Jetson™Linux架构。以下部分描述了每个模块的组件。在本开发人员指南或其他地方，许多组件的名称是指向组件主留档的链接。一些组件具有带有附加描述的单独链接。
知识图谱的应用---新零售
weixin_43961909的博客
06-11 697
新零售，即个人、企业以互联网为依托，通过运用大数据、人工智能等先进技术手段并运用心理学知识，对商品的生产、流通与销售过程进行升级改造，进而重塑业态结构与生态圈，并对线上服务、线下体验以及现代物流进行深度融合的零售新模式 以阿里巴巴为例，立足于当下的电商场景从认知用户的需求出发，充分利用知识图谱技术，构建起了一个全新的电商知识图谱：新零售电商认知图谱。认知图谱在电商推荐也得到了广泛应用。其他的应用包括：1）在搜索结果页中插入和搜索词相关的主题形式的卡片，猜测真正的用户需求，这里的主题即为认知图谱的电商概念。
Excel/WPS《超级处理器》功能介绍与安装下载
qq_43427561的博客
06-15 223
创建工作表、重命名工作表、移动工作表、删除工作表、工作表排序、生成工作表目录、一维转二维、二维转一维、打印底标设置、工作表转工作簿、按关键字生成表单、删除所有分页符、按行数添加分页符、按列数添加分页符、按行分类添加分页符、按列分类添加分页符、加密区域、解密区域。分离字符、单词处理、数据分裂、数据重排、标注拼音、清除空格、清除换行、清除单元格内的空行、提取数字、提取汉字、提取字母。去除白边、压缩图片、格式转化、黑白图片、旋转图片、添加水印。号码验证、提取籍贯、提取生日、提取性别、计算年龄、号码升级。
利用python进行数据分析的学习笔记
01-20
学习数据分析是当代信息时代的一项重要技能，Python作为一种强大的编程语言，是数据分析的热门工具之一。以下是我在学习利用Python进行数据分析过程中的一些笔记。 首先，学习Python的基础知识是必不可少的。了解Python的基本语法、数据类型、循环和条件语句等知识对于数据分析的学习非常重要。我通过自学网课和阅读相关书籍，逐渐掌握了Python的基础知识。 其次，学习使用Python的数据分析库。在Python中，有很多强大的数据分析库，例如NumPy、Pandas和Matplotlib等。我通过学习这些库的用法，掌握了数据的处理、清洗、分析和可视化的技巧。我学习了如何使用NumPy进行矩阵运算和数值计算，如何使用Pandas进行数据处理和数据操作，以及如何使用Matplotlib进行数据可视化。 除了数据分析库，学习Python的机器学习库也是必不可少的。机器学习在数据分析中扮演着重要角色，Python中有很多优秀的机器学习库，例如Scikit-learn和TensorFlow。我通过学习这些库的使用，了解了机器学习的基本概念和常用算法，例如回归、分类和聚类等。我也学习了如何使用这些库来构建和训练机器学习模型。 最后，实践是学习的关键。在学习的过程中，我通过实践项目来巩固所学知识。我选择了一些真实的数据集，并运用Python的数据分析技术进行数据处理、分析和可视化。通过实践，我不仅掌握了数据分析的具体步骤和方法，还锻炼了自己解决实际问题的能力。 总的来说，学习利用Python进行数据分析需要掌握Python的基础知识、数据分析库和机器学习库的使用，同时也需要通过实践项目来巩固所学知识。这个过程需要持续不断的学习和实践，但是通过不断的努力和实践，我相信能够掌握Python进行数据分析的技能。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值