Hands-on data analysis学习分享：数据建模与评估

最新推荐文章于 2024-03-14 23:11:07 发布
最新推荐文章于 2024-03-14 23:11:07 发布
阅读量424 收藏 1
点赞数
文章标签： python 数据分析
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.youkuaiyun.com/KikuWong/article/details/118114745
版权

文章目录

本文是学习开源项目‘hands-on data analysis’之后的总结。平台使用jupyter notebook

项目链接：https://github.com/datawhalechina/hands-on-data-analysis

数据集下载：https://www.kaggle.com/c/titanic/overview

前言

经过前面的两章的知识点的学习，我可以对数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；我们从这个模型得到结果之后，要分析模型是不是足够的可靠，那就需要评估这个模型。

# 导入相关库
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
from IPython.display import Image   # IPython.display.Image用于插入图片

# 设置静态输出图片
%matplotlib inline

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False    # 用来正常显示负号
plt.rcParams['figure.figsize'] = (10, 6)      # 设置输出图片大小

# 读取训练数集，并查看其形状
train = pd.read_csv('train.csv')
train.shape

'''
[out] (891, 12)
'''

# 查看数据
train.head()

在这里插入图片描述

一、 特征工程

任务一：缺失值填充

  • 对分类变量缺失值：填充某个缺失值字符(NA)、用最多类别的进行填充
  • 对连续变量缺失值：填充均值、中位数、众数
# 对分类变量进行填充
train['Cabin'] = train['Cabin'].fillna('NA')
train['Embarked'] = train['Embarked'].fillna('S')
train

在这里插入图片描述

# 对连续变量进行填充
train['Age'] = train['Age'].fillna(train['Age'].mean())
train

在这里插入图片描述

# 检查是否还存在缺失值
train.isnull().sum().sort_values(ascending=False)

[out]
Embarked       0
Cabin          0
Fare           0
Ticket         0
Parch          0
SibSp          0
Age            0
Sex            0
Name           0
Pclass         0
Survived       0
PassengerId    0
dtype: int64

任务二：编码分类变量

# 取出所有的输入特征
data = train[['Pclass','Sex','Age','SibSp','Parch','Fare', 'Embarked']]
data

在这里插入图片描述

# 进行虚拟变量转换
data = pd.get_dummies(data)
data.head()

在这里插入图片描述

二、模型搭建

  • 处理完前面的数据我们就得到建模数据，下一步是选择合适模型
  • 在进行模型选择之前我们需要先知道数据集最终是进行监督学习还是无监督学习
  • 除了根据我们任务来选择模型外，还可以根据数据样本量以及特征的稀疏性来决定
  • 刚开始我们总是先尝试使用一个基本的模型来作为其baseline，进而再训练其他模型做对比，最终选择泛化能力或性能比较好的模型

sklearn的算法选择路径，供参考
在这里插入图片描述

【思考】数据集哪些差异会导致模型在拟合数据时发生变化

【思考回答】

  • 训练集、测试集的样本划分是否均衡，
  • 是否存在某类样本集中在某个数据集上的情况；
  • 数据是否具有代表性；
  • 数据之间是否存在联系，比如时间上的先后顺序；
  • 机器学习的一个重要假设是数据独立同分布；
  • 数据量是否足够；

任务一：切割训练集和测试集

这里使用留出法划分数据集

  • 将数据集分为自变量和因变量
  • 按比例切割训练集和测试集(一般测试集的比例有30%、25%、20%、15%和10%)
  • 按目标变量分层进行等比切割，即用分层抽样
  • 设置随机种子以便结果能复现

【思考】为什么要划分数据集？
【思考回答】

  • 用于检验模型的拟合程度、泛化能力及稳定性
  • 一般而言，训练集表现好但测试集表现不好的模型存在过拟合风险，训练集的效果明显差于测试集则模型有欠拟合风险
  • 过拟合：模型学习的过于细致； 欠拟合：模型学习的过于粗糙

【思考】划分数据集的方法有哪些？
【思考回答】留出法、交叉验证法、自助法

【思考】为什么使用分层抽样，这样的好处有什么？
【思考回答】

  • 可以保证抽样后各数据集的样本比例相同，从而避免因样本分布差异而导致的偏差。
  • 使用分层抽样后，如果模型在不同数据集上效果差异大，可以更有把握是因为拟合问题，而非数据问题

提示1

  • 切割数据集是为了后续能评估模型泛化能力
  • sklearn中切割数据集的方法为train_test_split
  • 查看函数文档可以在jupyter noteboo里面使用train_test_split?后回车即可看到
  • 分层和随机种子在参数里寻找

【思考】什么情况下切割数据集的时不用进行随机选取
【思考回答】 数据集本身已经是随机处理之后的，或者说数据集非常大

# 用sklearn.model_selection中的train_test_split进行分层抽样
from sklearn.model_selection import train_test_split

# 一般先取出X和y后再切割，有些情况会使用到未切割的，这时候X和y就可以用
X = data                  # DataFrame，x是清洗好的数据
y = train['Survived']     # Series，y是要预测的存活数据'Survived'

# 随机种子为0，为保证每次运行结果一样
# 对数据集进行切割，分为训练集和测试集；按照y进行分层抽样
X_train, X_test, y_train, y_test = train_test_split(X, y, stratify=y, random_state=0)
# 查看数据形状
X_train.shape, X_test.shape

[out]
((668, 10), (223, 10))

任务二：模型创建

  • 创建基于线性模型的分类模型（逻辑回归）
  • 创建基于树的分类模型（决策树、随机森林）
  • 分别使用这些模型进行训练，分别得到训练集和测试集的得分
  • 查看模型的参数，并更改参数值，观察模型变化

提示2

  • 逻辑回归不是回归模型而是分类模型，不要与LinearRegression混淆
  • 随机森林其实是决策树集成为了降低决策树过拟合的情况
  • 线性模型所在的模块为sklearn.linear_model
  • 树模型所在的模块为sklearn.ensemble
# 导入线性模型中的逻辑回归模块
from sklearn.linear_model import LogisticRegression

# 导入树模型中的随机森林分类模块
from sklearn.ensemble import RandomForestClassifier

创建基于线性模型的分类模型（逻辑回归）

# 默认参数的逻辑回归模型
lr = LogisticRegression() # 出现警告lbfgs无法收敛failed to converge，要求增加迭代次数
lr.fit(X_train, y_train)

# 调整参数最大迭代次数max_iter 重新创建模型，警告消除
lr = LogisticRegression(max_iter=1000)   # 实例化建立评估模型对象
lr.fit(X_train, y_train)                 # 用训练集数据对模型进行训练

'''[out] LogisticRegression(max_iter=1000)'''


# 查看训练集和测试集score值
print("Training set score: {:.2f}".format(lr.score(X_train, y_train)))
print("Testing set score: {:.2f}".format(lr.score(X_test, y_test)))
# lr.score()返回给定测试数据和标签的平均精度

'''[out] 
Training set score: 0.80
Testing set score: 0.79
'''

# 调整参数后的逻辑回归模型
lr2 = LogisticRegression(max_iter=1000, C=100)
lr2.fit(X_train, y_train)

'''[out] LogisticRegression(C=100, max_iter=1000)'''


print("Training set score: {:.2f}".format(lr2.score(X_train, y_train)))
print("Testing set score: {:.2f}".format(lr2.score(X_test, y_test)))

'''[out] 
Training set score: 0.80
Testing set score: 0.79
'''

创建基于树的分类模型（决策树、随机森林）

# 默认参数的随机森林分类模型
rfc = RandomForestClassifier()
rfc.fit(X_train, y_train)

'''[out] RandomForestClassifier()'''


print("Training set score: {:.2f}".format(rfc.score(X_train, y_train)))
print("Testing set score: {:.2f}".format(rfc.score(X_test, y_test)))

'''[out] 
Training set score: 0.99
Testing set score: 0.81
'''


# 调整参数后的随机森林分类模型
rfc2 = RandomForestClassifier(n_estimators=100, max_depth=5)
rfc2.fit(X_train, y_train)

'''[out] RandomForestClassifier(max_depth=5)'''


print("Training set score: {:.2f}".format(rfc2.score(X_train, y_train)))
print("Testing set score: {:.2f}".format(rfc2.score(X_test, y_test)))

'''[out] 
Training set score: 0.85
Testing set score: 0.82
'''

【思考2】

  • 为什么线性模型可以进行分类任务，背后是怎么的数学关系
    具体请参考：https://blog.youkuaiyun.com/miaochangq/article/details/108057295
  • 对于多分类问题，线性模型是怎么进行分类的

任务三：输出模型预测结果

  • 输出模型预测分类标签
  • 输出不通分类标签的预测概率

提示3

  • 一般监督模型在sklearn里面有个predict能输出预测标签，predict_proba则可以输出标签概率
# 预测标签, 输出逻辑回归的预测结果
pred = lr.predict(X_train)
# 此时我们可以看到0和1的数组，因为Survived只有0,1两个分类
pred[:10]

'''[out] array([0, 1, 1, 1, 0, 0, 1, 0, 1, 1], dtype=int64)'''


# 预测标签概率，第一列为预测为0的概率
pred_proba = lr.predict_proba(X_train)
pred_proba[:10]

'''[out] 
array([[0.59945261, 0.40054739],
       [0.12766889, 0.87233111],
       [0.4665502 , 0.5334498 ],
       [0.18597117, 0.81402883],
       [0.86654726, 0.13345274],
       [0.91125416, 0.08874584],
       [0.11967178, 0.88032822],
       [0.91004319, 0.08995681],
       [0.04896763, 0.95103237],
       [0.13249191, 0.86750809]])
'''


# 输出随机森林的预测结果
rfc2.predict(X_train)[:10]

'''[out] array([0, 1, 0, 1, 0, 0, 1, 0, 1, 1], dtype=int64)'''

#逻辑回归与随机森林预测相同率
sum(rfc2.predict(X_train)==pred)/len(rfc2.predict(X_train)==pred)

'''[out] 0.9221556886227545'''

#随机森林预测概率，第一列为预测为0的概率
rfc.predict_proba(X_train)

'''[out] 
array([[0.84      , 0.16      ],
       [0.        , 1.        ],
       [0.98      , 0.02      ],
       ...,
       [0.85333333, 0.14666667],
       [0.94      , 0.06      ],
       [1.        , 0.        ]])
'''

【思考3】 预测标签的概率对我们有什么帮助
【思考回答】

  • 可用来调整正负案例切分点
  • 对于某些应用场景，如违约预测，输出的概率可以作为客户是好是坏的概率。

三、模型评估

  • 模型评估是为了知道模型的泛化能力。
  • 交叉验证（cross-validation）是一种评估泛化性能的统计学方法，它比单次划分训练集和测试集的方法更加稳定、全面。
  • 在交叉验证中，数据被多次划分，并且需要训练多个模型。
  • 最常用的交叉验证是 k 折交叉验证（k-fold cross-validation），其中 k 是由用户指定的数字，通常取 5 或 10。
  • 准确率（precision）度量的是被预测为正例的样本中有多少是真正的正例
  • 召回率（recall）度量的是正类样本中有多少被预测为正类
  • f-分数是准确率与召回率的调和平均

任务一：交叉验证

  • 用10折交叉验证来评估逻辑回归模型
  • 计算交叉验证精度的平均值
    在这里插入图片描述

提示4

  • 交叉验证在sklearn中的模块为sklearn.model_selection
# 导入交叉验证模块
from sklearn.model_selection import cross_val_score
lr = LogisticRegression(max_iter=1000, C=100)
# 对逻辑回归进行交叉验证
scores = cross_val_score(lr, X_train, y_train, cv=10)
# k折交叉验证分数
scores

'''[out] 
array([0.8358209 , 0.7761194 , 0.82089552, 0.79104478, 0.85074627,
       0.86567164, 0.73134328, 0.86567164, 0.75757576, 0.71212121])
'''


# 平均交叉验证分数
print("Average cross-validation score: {:.2f}".format(scores.mean()))

'''[out] Average cross-validation score: 0.80'''


#随机森林进行交叉验证
scores1 = cross_val_score(rfc2, X_train, y_train, cv=10)
scores1

'''[out] 
array([0.85074627, 0.82089552, 0.89552239, 0.7761194 , 0.85074627,
       0.88059701, 0.7761194 , 0.80597015, 0.75757576, 0.77272727])
'''


print("Average cross-validation score1: {:.2f}".format(scores1.mean()))

'''[out] Average cross-validation score1: 0.82'''

任务二：混淆矩阵

  • 计算二分类问题的混淆矩阵
  • 计算精确率、召回率以及f-分数

【错误率、精度、查准率、查全率和F1度量】详细介绍

在分类任务中，模型的预测结果可以分为四类：

  • 真正类：True Positive，TP ，正类预测为正类
  • 假负类：False Negative ，FN，正类预测为负类
  • 假正类：False Positive，FP，负类预测为正类
  • 真负类：True Negative，TN，负类预测为负类

上述四类预测结果可以组成如下混淆矩阵：

  • nagative class 样本负类Nagative
  • positive class 样本正类Positive
  • predicted negative 预测负类False
  • predicted positive 预测正类True

在这里插入图片描述
上述四个指标可以衍生出：准确率、召回率、精确度

  • 准确率（Accuracy），表示分类问题中，正确预测的占总体的百分比
  • 召回率（Recall），表示正例中有多少能正确预测，也叫查全率
  • 精确度（Precision），表示预测为正例中实际是正例的比例
    另外，召回率（Recall）和精确度（Precision） 是一对矛盾的度量，通常精确率高时召回率低，召回率高时精确率低。
    在这里插入图片描述

提示5

  • 混淆矩阵的方法在sklearn中的sklearn.metrics模块
  • 混淆矩阵需要输入真实标签和预测标签
# 导入混淆矩阵模块
from sklearn.metrics import confusion_matrix
# 训练模型
lr = LogisticRegression(max_iter=1000, C=100)
lr.fit(X_train, y_train)

'''[out] LogisticRegression(C=100, max_iter=1000)'''

# 模型预测结果
pred = lr.predict(X_train)
# 逻辑回归混淆矩阵
confusion_matrix(y_train, pred)

'''[out] 
array([[350,  62],
       [ 71, 185]], dtype=int64)
'''

import seaborn as sns
plt.figure(figsize=(8,6))
sns.heatmap(confusion_matrix(y_train, lr.predict(X_train)),annot=True,cmap='Blues')
plt.xlabel('Predicted labels')
plt.ylabel('True labels')
plt.show()

在这里插入图片描述

# 随机森林混淆矩阵
import seaborn as sns
plt.figure(figsize=(8,6))
sns.heatmap(confusion_matrix(y_train, rfc.predict(X_train)),annot=True,cmap='Blues')
plt.xlabel('Predicted labels')
plt.ylabel('True labels')
plt.show()

在这里插入图片描述

from sklearn.metrics import classification_report
# 逻辑回归精确率、召回率、f1-score
print(classification_report(y_train, pred))

'''[out] 
              precision    recall  f1-score   support

           0       0.83      0.85      0.84       412
           1       0.75      0.72      0.74       256

    accuracy                           0.80       668
   macro avg       0.79      0.79      0.79       668
weighted avg       0.80      0.80      0.80       668
'''


#随机森林精确率、召回率、f1
print(classification_report(y_train, rfc2.predict(X_train)))
'''[out] 
              precision    recall  f1-score   support

           0       0.85      0.92      0.88       412
           1       0.85      0.73      0.79       256

    accuracy                           0.85       668
   macro avg       0.85      0.83      0.84       668
weighted avg       0.85      0.85      0.85       668
'''

任务三：ROC曲线

  • 绘制ROC曲线
    ROC曲线的横坐标是假正例率(FPR)，纵坐标是真正例率(TPR)，其中,
    TPR= (TP+FN)/TP =正类的召回率
    FPR= (TN+FP)/FP =1−负类召回率

提示6

  • ROC曲线在sklearn中的模块为sklearn.metrics
  • ROC曲线下面所包围的面积越大越好

ROC曲线和AUC面积理解

# 导入ROC曲线数据计算函数和AUC计算函数
from sklearn.metrics import roc_curve,roc_auc_score 
# 逻辑回归
fpr, tpr, thresholds = roc_curve(y_test, lr.decision_function(X_test))

auc=roc_auc_score(y_test, lr.decision_function(X_test))

plt.plot(fpr, tpr, label="ROC Curve")

plt.plot([0,1],[0,1],'k--')

plt.xlabel("FPR")
plt.ylabel("TPR (recall)")
plt.title("ROC Curve The AUC ={}".format(round(auc,2)))
# 找到最接近于0的阈值
close_zero = np.argmin(np.abs(thresholds))
plt.plot(fpr[close_zero], tpr[close_zero], 'o', markersize=10, label="threshold zero", fillstyle="none", c='k', mew=2)
plt.legend(loc=4)

在这里插入图片描述

# 导入ROC曲线数据计算函数和AUC计算函数
from sklearn.metrics import roc_curve,roc_auc_score 
# 随机森林
# 随机森林中没有decision_function函数直接用predict_proba替代，但thresholds无效
fpr, tpr, thresholds = roc_curve(y_test, rfc2.predict_proba(X_test)[:,1])
auc=roc_auc_score(y_test, rfc2.predict_proba(X_test)[:,1])
plt.plot(fpr, tpr, label="ROC Curve")
plt.plot([0,1],[0,1],'k--')
plt.xlabel("FPR")
plt.ylabel("TPR (recall)")
plt.title("ROC Curve The AUC ={}".format(round(auc,2)))
# 找到最接近于0的阈值
close_zero = np.argmin(np.abs(thresholds))
plt.plot(fpr[close_zero], tpr[close_zero], 'o', markersize=10, label="threshold zero", fillstyle="none", c='k', mew=2)
plt.legend(loc=4)

在这里插入图片描述

KikuWong
关注
Python机器学习实战：使用机器学习进行时间序列分析
AI天才研究院
06-29 1403
Python机器学习实战：使用机器学习进行时间序列分析 作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming 关键词：时间序列分析,预测模型,机器学习,Python编程,金融数据处理,周期性模式识别
hands-on-data-analysis-数据加载及探索性数据分析
weixin_45661573的博客
08-19 897
hands-on-data-analysis-数据加载及探索性数据分析
Hands-on-data-analysis 动手数据分析
qq_19917367的博客
07-27 572
动手数据分析笔记 第一章 第一节 数据载入及初步观察 数据载入 df = pd.read_csv('file_path') df2 = pd.read_table('file_path') read_csv 函数 见优快云 博客： https://blog.youkuaiyun.com/weixin_39175124/article/details/79434022 问：read_csv 和 read_table 区别？ 函数 说明 read_csv 从文件、URL、文件型对象中加载带分隔符的
Datawhale动手学数据分析（hands-on-data-analysis-master）第二单元项目第一节摘要#Pandas
最新发布
WindLine3的博客
03-14 710
数值表示
hands-data-analysis-master第一章第一节
vib analysis
05-17 148
1 第一章：数据的载入及初步观察 1.1 载入数据 数据集下载：https://www.kaggle.com/c/titanic/overview 1.1.1 导入numpy 和pandas import numpy as np import pandas as pd 1.1.2 载入数据 （1）使用相对路径 df = pd.read_csv('../data/train.csv') df.head(3) (2)使用绝对路径 import os os.getcwd() 得到绝对地址后，copy地址。
Hands on Data Analytics for Everyone （UIC）
m0_73498751的博客
09-04 1310
如果图片渲染不出来，详细信息前往。
Hands-on-Data-Analysis-and-Data-Mining-with-Python:《 python数据分析与挖掘实战（第2版）》 markdown
03-17
总的来说，《Python数据分析与挖掘实战（第2版）》涵盖了从数据获取、预处理、特征工程、建模、评估到部署的完整流程，适合数据科学初学者和有一定经验的从业者。通过学习这本书，你可以掌握使用Python进行高效数据...
《机器学习实战：基于Scikit-Learn、Keras和TensorFlow第2版》-学习笔记（8）：降维
Morganfs的博客
05-08 1641
· Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition, by Aurélien Géron (O’Reilly). Copyright 2019 Aurélien Géron, 978-1-492-03264-9. · 《机器学习》周志华 · 环境：Anaconda（Python 3.8） + Pycharm · 学习时间：2022.05.07~2022.05.08 第八章 降维 许多机器学习问.
数据分析终回-数据建模与评估
qq_45019698的博客
03-23 1123
数据建模与评估 本文记录2022年3月组队学习-动手学数据分析教程知识点,采用kaggle上泰坦尼克的任务，实战数据分析全流程。 教程内容开源地址: github: https://github.com/datawhalechina/hands-on-data-analysis gitee:https://gitee.com/datawhalechina/hands-on-data-analysis 前面我们已经做足了数据的准备，研究数据本身的特征，现在我们要进一步对数据进行挖掘，找到背后的隐藏信息以及数据
《机器学习实战：基于Scikit-Learn、Keras和TensorFlow第2版》-学习笔记（9）：无监督学习技术
Morganfs的博客
05-09 1346
3万字长文，主要介绍聚类、无监督和半监督技术。
Datawhale~Hands-on data analysis(数据模型搭建及评估)
wenqi
08-28 261
数据模型搭建及评估 模型建立 数据建模是一种用于定义和分析数据的要求和其需要的相应支持的信息系统的过程 数据建模分为三个阶段 概念建模阶段 逻辑建模阶段 物理建模阶段 常用机器学习中的sklearn库完成模型搭建 sklearn的算法选择路径 sklearn的学习参考：sklearn中文文档 数据模型的建立 三要素： 数据结构：储存在数据库中对象类型的集合，作用是描述数据库组成对象以及对象之间的联系。 数据操作：指对数据库中各种对象实例允许执行的操作的集合，包括操作及其相关的操作规则。
Vue2和Vue3数据驱动原理
王先生的博客
04-12 604
一、什么是响应式数据驱动？ 响应式就是Vue会同时使用该数据的代码，数据层发生改变会通知到视图层 二、Vue2数数据驱动实现 Vue2中数据驱动是使用的Es5中的object.defineProperty实现的数据劫持响应 function defineProperty(obj, key, value) { observer(value)//递归 Object.defineProperty(obj, key, { get: () => {
hands-on-data-analysis-数据重构
weixin_45661573的博客
08-23 321
hands-on-data-analysis-数据重构2 第二章：数据重构2.4 数据的合并2.4.1 任务一：将data文件夹里面的所有数据都载入，观察数据的之间的关系2.4.2：任务二：使用concat方法：将数据train-left-up.csv和train-right-up.csv横向合并为一张表，并保存这张表为result_up2.4.3 任务三：使用concat方法：将train-left-down和train-right-down横向合并为一张表，并保存这张表为result_down。然后将上
hands-on-data-analysis-数据清洗及特征处理
weixin_45661573的博客
08-21 245
hands-on-data-analysis-数据清洗及特征处理2 第二章：数据清洗及特征处理数据清洗简述2.1 缺失值观察与处理2.1.1 任务一：缺失值观察2.1.2 任务二：对缺失值进行处理2.2 重复值观察与处理2.2.1 任务一：请查看数据中的重复值2.2.2 任务二：对重复值进行处理2.2.3 任务三：将前面清洗的数据保存为csv格式2.3 特征观察与处理2.3.1 任务一：对年龄进行分箱（离散化）处理2.3.2 任务二：对文本变量进行转换2.3.3 任务三（附加）：从纯文本Name特征里提取出
Datawhale~Hands-on data analysis(数据清洗及特征处理)
wenqi
08-20 272
Data Analysis 数据清洗及特征处理 导入numpy，pandas包和数据 # 加载所需要的库 import numpy as np import pandas as pd # 加载数据 df = pd.read_csv('train.csv') df.head(3) 数据清洗概述 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，将学习缺失值、重复值、字符串和数据转换等操作，将
读《Hands-On Transfer Learning with Python》初体验
yingwei13mei的博客
05-01 1453
读《Hands-On Transfer Learning with Python》初体验 最近由于工作原因及个人兴趣，对迁移学习兴趣盎然，很想深入了解该领域知识，偶得该领域最新力作，现分享阅读的一些心得和要点。 本书秉承一贯的传道授业顺序，从机器学习到深度学习再到迁移学习，建议对机器学习和深度学习有一定基础的同仁忽略前3章节。这里简要概括一下前3章的重点。 要了解迁移学习，首先要明白迁移学习在整个...
动手学数据分析——Task01_数据加载
不再的blog
08-16 770
前言 这是一门诞生于datawhale的课程，学习它的时候搭配datawhale所配备其他资源会更好，项目地址：https://github.com/datawhalechina/hands-on-data-analysis 数据集下载：https://www.kaggle.com/c/titanic/overview import numpy as np import pandas as pd import os os.getcwd() 'C:\\Users\\lyj\\Desktop\\pyproj
机器学习&数据分析学习计划
Cosmic Lover
08-22 219
动手学习数据分析 https://github.com/datawhalechina/hands-on-data-analysis jupyter友好 路线友好 阿里天池比赛训练 https://tianchi.aliyun.com/course/index?spm=5176.14154004.J_4642415020.9.31fe5699XcPO66 数据集有趣 中文友好 听课： bilibili吴恩达cs229 https://www.bilibili.com/video/BV.
记录抽取及随机抽样及分层抽样
Wayne0926的博客
07-11 633
import pandas ba=pandas.read_csv('D://Python projects//reference data//4.8//data.csv') bc=ba['id|comments|title'].str.split('|',3,True) #单条件抽取 bc.columns=['id','comments','title'] #将字符型转成整数型 bc['...
《Hands-On Machine Learning》：Scikit-Learn与TensorFlow实战
"Hands-On Machine Learning with Scikit-Learn and TensorFlow" 是一本适合初学者和有经验的数据科学家的全面指南，它提供了从入门到进阶的机器学习和深度学习知识，帮助读者掌握这两个强大工具的使用，并将其应用...
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