<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Quentin_he的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Quentin_he</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Quentin_he]]></copyright><item><title><![CDATA[淘宝用户行为分析]]></title><link>https://blog.youkuaiyun.com/Quentin_he/article/details/100097137</link><guid>https://blog.youkuaiyun.com/Quentin_he/article/details/100097137</guid><author>Quentin_he</author><pubDate>Wed, 28 Aug 2019 21:48:23 +0800</pubDate><description><![CDATA[联想到如今互联网保险发展的如火如荼，有别于传统的个险系列，互联网保险在产品结构，用户获取和营销转化上呈现了非常大的不同，传统个险经验管理的KPI体系已经不适用于互联网保险，遂将互联网保险看作是电商这个大领域，学习了一下电商领域的KPI体系

正好也看到天池上有一个淘宝APP的用户行为数据，要求预测用户下一天的商品购买行为，遂拿来学习一下用户的行为分析并尝试进行建模预测，这一部分进行用户行为，目标：...]]></description><category></category></item><item><title><![CDATA[Tableau数据分析类职位]]></title><link>https://blog.youkuaiyun.com/Quentin_he/article/details/99863740</link><guid>https://blog.youkuaiyun.com/Quentin_he/article/details/99863740</guid><author>Quentin_he</author><pubDate>Tue, 20 Aug 2019 22:22:57 +0800</pubDate><description><![CDATA[如今每个行业都开始注重数据的利用，比如电商类公司数据洞察客户的行为及偏好以便精准营销，金融类企业需要利用数据构建反欺诈模型等等。所以对于数据分析类的工作需求也相应增加，所以便产生了需求，我想知道数据分析类职位在哪些地区有招聘，行业分布是怎样的，薪酬如何，对于应聘者的技能又有什么样的要求，所以便用后羿采集器爬取了拉勾的职位信息简要分析一下。
分析大纲如下

地区分布情况，不同地区不同行业如何
不同行...]]></description><category></category></item><item><title><![CDATA[银行借贷决策树模型]]></title><link>https://blog.youkuaiyun.com/Quentin_he/article/details/99746996</link><guid>https://blog.youkuaiyun.com/Quentin_he/article/details/99746996</guid><author>Quentin_he</author><pubDate>Mon, 19 Aug 2019 18:39:45 +0800</pubDate><description><![CDATA[比较简单的一个决策树，根据客户已有的信息判断是否可以发放贷款，记录一下
#-*- coding:utf-8 -*-
import pandas as pd
import numpy as np
pd.set_option('display.max_columns', 200)
pd.set_option('display.max_rows', 500)
data = pd.read_csv('/U...]]></description><category></category></item><item><title><![CDATA[SQL部分练习]]></title><link>https://blog.youkuaiyun.com/Quentin_he/article/details/98988067</link><guid>https://blog.youkuaiyun.com/Quentin_he/article/details/98988067</guid><author>Quentin_he</author><pubDate>Fri, 09 Aug 2019 21:51:02 +0800</pubDate><description><![CDATA[记录一下做过的一些题
已知如下4张表：
学生表：stuents01(s,name,age,sex) #s为学号，name为姓名，age为年龄，sex为性别
课程表：course01(c,name,teacher) #c为课程号，name为课程名称，teacher为教师编号
成绩表：score01(s,c,score) #s为学号，c为课程号，score为分数
教师表：teacher(teacher...]]></description><category></category></item><item><title><![CDATA[Kaggle竞赛之销售数据预测]]></title><link>https://blog.youkuaiyun.com/Quentin_he/article/details/97827308</link><guid>https://blog.youkuaiyun.com/Quentin_he/article/details/97827308</guid><author>Quentin_he</author><pubDate>Mon, 05 Aug 2019 19:02:58 +0800</pubDate><description><![CDATA[之前在广州时便看到kaggle上有一个根据过去的销售数据预测下个月的销量的竞赛，数据量也达到了293万条，本来想那个时候就摸索着尝试做一下，无奈上班时事情太多导致没法专心搞，现在离职不知不觉也有3个月了，趁着空档期决定撸一下学习一下时间序列模型，权当记录一下
项目简介

是一个Coursera课程里的作业，包含6个数据文件

数据描述，另外为了简化将项目中的销量clip在[0,20]

数据探索
...]]></description><category></category></item><item><title><![CDATA[python利用Remove.bg接口自动去背景]]></title><link>https://blog.youkuaiyun.com/Quentin_he/article/details/97569625</link><guid>https://blog.youkuaiyun.com/Quentin_he/article/details/97569625</guid><author>Quentin_he</author><pubDate>Sun, 28 Jul 2019 00:07:10 +0800</pubDate><description><![CDATA[前段时间基友找我让帮忙把他的结婚登记照扣出来换一个背景当作简历照，好在我之前学过Ps，打开软件便是通道抠图一通操作，花了十几分钟才勉强把人抠出来换了个底色发过去，有些头发丝还是有些问题（有些技能实在忘了），这几天刷逼乎时发现有一个网站(https://www.remove.bg）可以一键去背景，跑去试了一下，心下一惊果然比我扣的还好（摔！）发现还有API接口可以免费使用，只要注册就可以申请，马上申...]]></description><category></category></item><item><title><![CDATA[kaggle入门titanic分析]]></title><link>https://blog.youkuaiyun.com/Quentin_he/article/details/97498803</link><guid>https://blog.youkuaiyun.com/Quentin_he/article/details/97498803</guid><author>Quentin_he</author><pubDate>Sat, 27 Jul 2019 15:24:00 +0800</pubDate><description><![CDATA[人人皆知的kaggle泰坦尼克号灾难分析，入门机器学习的一个很好的案例，在学完python后也试着做了一下分析。按照数据认知——数据探索性可视化分析——数据特征处理——模型建立——输出结果
一、数据认知
首先是导入数据，查看数据情况：
-- coding:utf-8 --
import pandas as pd
import numpy as np
from pylab import *
from...]]></description><category></category></item></channel></rss>