- 博客(7)
- 收藏
- 关注
RSS订阅原创 大数据分析与应用期末实践：关联规则、分类、回归、聚类全流程实战
本次期末实践覆盖了大数据分析的四大核心技术，通过不同场景的实战，不仅巩固了关联规则、分类、回归、聚类的理论知识，还掌握了 Sklearn 等工具的实操技巧。数据预处理是分析的基础：缺失值填充、特征编码、标准化等步骤直接影响模型效果；算法选择需结合场景：关联规则适合挖掘变量关联，分类适合预测离散标签，回归适合预测连续值，聚类适合无监督分组；模型评估需全面：不能仅看单一指标（如准确率），需结合业务场景选择合适的评估标准。
2026-01-07 11:01:40
679
原创 用 Java 操作 HDFS 写入文本文件：从代码到实践
本文通过一段简单的 Java 代码，完整讲解了 HDFS 文件写入的核心流程、关键 API 和实操细节。掌握这些基础操作后，可进一步探索 HDFS 的文件读取、删除、重命名、权限管理等功能，结合大数据计算框架（如 MapReduce、Spark）实现更复杂的业务场景。HDFS 作为大数据生态的存储基石，Java API 是操作它的最基础方式，理解底层逻辑、规范资源管理、注意编码细节，才能写出稳定、高效的 HDFS 操作代码。
2025-12-23 15:36:04
775
原创 打造袋装螺蛳粉销量数据大屏：从数据获取到可视化的全流程实践
在数据驱动决策的时代，数据大屏已成为企业展示业务全貌、挖掘数据价值的重要载体。本文将带你从零开始，打造一个，涵盖从数据库交互、后端接口开发到前端可视化的完整流程，使用 Python（Flask、pymysql、pandas）与 ECharts 技术栈实现。
2025-10-25 16:19:30
632
原创 脱发预测分析：从数据探索到机器学习建模
通过数据分析和机器学习，我们不仅能够更好地理解脱发的影响因素，还能构建实用的预测模型，为脱发的预防和治疗提供数据支持。本次分析使用的是一个专门用于脱发预测的数据集，包含多个可能与脱发相关的因素。在特征工程中，我们创建了新的组合特征，对分类变量进行了编码，并划分了训练集和测试集，为模型构建做准备。这些图表展示了每个因素在脱发和不脱发人群中的分布差异，帮助我们直观理解哪些因素可能对脱发影响更大。通过饼图我们可以直观地看到脱发人群和不脱发人群的比例，这有助于我们了解数据集的平衡性。
2025-06-26 16:19:00
964
原创 医疗健康数据异常值检测与机器学习初探
而异常值则以单独的点显示在须状线之外。例如，如果某个特征的箱线图中，异常值点较多且距离箱体较远，那么说明该特征的数据中存在较多偏离正常范围的值，这些异常值可能是由于测量误差、数据录入错误或者真实存在的特殊情况导致的。在后续的数据分析和建模过程中，我们需要对这些异常值进行谨慎处理，比如可以选择删除异常值、对异常值进行修正，或者利用一些对异常值鲁棒性较强的算法进行分析。今天，我们就通过一段 Python 代码，开启对医疗健康数据的探索之旅，一起看看如何检测数据中的异常值，并初步接触机器学习在这方面的应用。
2025-06-20 15:34:52
539
原创 电商平台订单数据分析与可视化实践
本文通过对某电商平台 2021 年订单数据的分析，展示了如何利用 Python 进行数据处理、分析和可视化。通过按月和按时间的分析，我们获得了关于用户消费行为的有价值洞察，这些洞察可以为电商平台的运营决策提供有力支持。数据分析是一个持续的过程，随着数据的不断积累和业务的发展，我们可以不断拓展分析的维度和深度，例如结合用户 demographics 数据、商品分类数据等，进行更深入的分析。同时，我们也可以尝试使用更高级的数据分析技术，如机器学习算法，来预测用户行为、优化定价策略等。
2025-06-13 15:44:24
1233
原创 Python 学习有感：代码世界的奇幻之旅
可是，我心中对魔法的渴望让我不肯放弃，我翻阅一本本厚重的魔法书籍（编程教材），在网上的魔法论坛（编程社区）里四处求助，与其他勇敢的冒险者（编程爱好者）交流经验。借助强大的文本处理库，我将小说的文本导入程序，它就像一个智慧的精灵，迅速地梳理出人物之间的互动频率、情感关联等信息。我深知，在这个代码宇宙中，还有无数未知的魔法等待我去探索和掌握，但我已经不再害怕，因为我相信，只要我怀揣着对编程的热爱和对知识的渴望，手中的 Python 魔杖将带我穿越重重迷雾，领略更加绚丽多彩的风景，创造属于自己的编程传奇。
2024-12-20 09:40:23
500
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