设淘宝用户行为推荐（二）：特征工程

最新推荐文章于 2024-07-24 19:29:36 发布

CoderYYN

最新推荐文章于 2024-07-24 19:29:36 发布

阅读量1k

点赞数

分类专栏：机器学习毕业设计文章标签：特征工程机器学习

本文链接：https://blog.csdn.net/ychgyyn/article/details/105814466

版权

机器学习同时被 2 个专栏收录

3 篇文章 0 订阅

订阅专栏

毕业设计

2 篇文章 2 订阅

订阅专栏

在这里插入图片描述


# coding: utf-8

# In[1]:


import pandas as ps
import seaborn as sns
sns.set(font='SimHei')  # 解决Seaborn中文显示问题


# In[2]:


data=ps.read_csv('UserBehavior.csv',header=None,names=['用户ID','商品ID','商品类别ID','行为类型','时间戳'])


# In[3]:


data.head()


# In[4]:


#查看数据集大小
data.shape


# In[5]:


#查看特征对应的数据类型
data.dtypes


# In[6]:


#查看数据是否有缺失值
data.isnull().sum()


# In[7]:


#查看特征的详细信息，方便对数据集有一个直观的印象
data.describe(include='all')


# In[8]:


#查看数据集信息
data.info()


# In[9]:


#查看分类型特征中有哪些分类，以'行为类型'举例
print('行为类型',data['行为类型'].unique())


# In[10]:


#查看行为类型分布
sns.countplot(x='行为类型',data=data)