数据处理2

Kaggle项目：房价预测(1)

http://ddrv.cn/a/288668

2.2 数据探索分析

2.2.1 分析目标变量(SalePrice)

2.2.2 分析特征变量

2.2.2.2 定量变量分析

2.2.2.3 定性变量分析（方差分析）

2.2.2.4 相关性（spearman相关系数）

3. 数据清洗

3.1 离群点处理

3.2 缺失值处理

Kaggle平台Titanic生存率预测项目(TOP3%)

https://zhuanlan.zhihu.com/p/50194676

Kaggle经典案例——泰坦尼克号

https://zhuanlan.zhihu.com/p/71840687

[kaggle数据] 泰坦尼克号生存预测分析

https://blog.csdn.net/regina67/article/details/77940640

特征工程

因为是对生存预测进行分析，所以主要是对Survived和其他变量进行可视化分析，可以在一定程度上观察他们间是否相关。

1、Pclass（乘客分集）

2、Name（字符变量）

3、Sex（二分类数据）

4、age（多分类）

5、SibSp和Parch（这个两个变量都表示家人的数量，所以把他们合并成一个变量Family）

6、Fare（费用数据）

7、Cabin（舱号二分类处理）

8、Embarked（上船的位置）

9、变量相关性

kaggle 旧金山犯罪案件分类预测

https://blog.csdn.net/iam_emily/article/details/80876042

数据分析

1、PdDistrict

2、Category

3、year/month/day

4、Day of week

5、地图坐标展示

数据处理

类别特征：Dates,Descript,DayOfWeek,PdDistrict,Resolution,Address 
数值型特征：X,Y,year,month,day,hour 
时间特征：date

 

pandas文本数据转整数分类编码的最佳实践https://www.mlln.cn/2018/09/18/pandas%E6%96%87%E6%9C%AC%E6%95%B0%E6%8D%AE%E8%BD%AC%E6%95%B4%E6%95%B0%E5%88%86%E7%B1%BB%E7%BC%96%E7%A0%81%E7%9A%84%E6%9C%80%E4%BD%B3%E5%AE%9E%E8%B7%B5/