<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Rick_Restart的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Rick_Restart</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Rick_Restart]]></copyright><item><title><![CDATA[kaggle房价预测模型总结]]></title><link>https://blog.youkuaiyun.com/Rick_Restart/article/details/105905460</link><guid>https://blog.youkuaiyun.com/Rick_Restart/article/details/105905460</guid><author>Rick_Restart</author><pubDate>Mon, 04 May 2020 09:50:50 +0800</pubDate><description><![CDATA[房价预测任务
目标：根据房屋属性预测每个房子的最终价格。
任务流程：
（一）：分析数据指标

不同指标对结果的影响
连续值与离散值的情况

（二）：观察数据正太性

数据变换操作

（三）：数据预处理

缺失值填充
标签转换

（四）：建模预测房价
（一）：分析数据指标

先总体查看数据的特征值与目标值：

特征值：

MSSubClass：建筑类
mszoning：一般的分区分类
LotFron...]]></description><category></category></item><item><title><![CDATA[JD用户购买意向预测-数据发掘]]></title><link>https://blog.youkuaiyun.com/Rick_Restart/article/details/105881948</link><guid>https://blog.youkuaiyun.com/Rick_Restart/article/details/105881948</guid><author>Rick_Restart</author><pubDate>Sat, 02 May 2020 22:02:16 +0800</pubDate><description><![CDATA[数据集：
JData_User.csv 用户数据集 105,321个用户
JData_Comment.csv 商品评论 558,552条记录
JData_Product.csv 预测商品集合 24,187条记录
JData_Action_201602.csv 2月份行为交互记录 11,485,424条记录
JData_Action_201603.csv 3月份行为交互记录 25,916,378条记...]]></description><category></category></item><item><title><![CDATA[Python-泰坦尼克号生存率预测]]></title><link>https://blog.youkuaiyun.com/Rick_Restart/article/details/105758081</link><guid>https://blog.youkuaiyun.com/Rick_Restart/article/details/105758081</guid><author>Rick_Restart</author><pubDate>Mon, 27 Apr 2020 21:50:39 +0800</pubDate><description><![CDATA[链接: kaggle算法泰坦尼克号生存率预测.
1. 准备工具
# 导入包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings

#准备前置工作
sns.set(style='darkgrid')   #使用画图风格
warnings...]]></description><category></category></item><item><title><![CDATA[学习笔记：机器学习day3]]></title><link>https://blog.youkuaiyun.com/Rick_Restart/article/details/105657385</link><guid>https://blog.youkuaiyun.com/Rick_Restart/article/details/105657385</guid><author>Rick_Restart</author><pubDate>Tue, 21 Apr 2020 23:06:39 +0800</pubDate><description><![CDATA[1.回归算法-线性回归分析
回归：目标值连续
线性回归需要做标准化处理。
线性关系模型
一个通过属性的线性组合来进行预测的函数：
f(x)=w1x1+w2x2+...+wdxd+b
f(x)=w_1x_1+w_2x_2+...+w_dx_d+b
f(x)=w1​x1​+w2​x2​+...+wd​xd​+b
w为权重（斜率），b为偏置项（截距）
损失函数（误差大小）

yi为第i个训练样本的真实值...]]></description><category></category></item><item><title><![CDATA[学习笔记：机器学习day2]]></title><link>https://blog.youkuaiyun.com/Rick_Restart/article/details/105629272</link><guid>https://blog.youkuaiyun.com/Rick_Restart/article/details/105629272</guid><author>Rick_Restart</author><pubDate>Tue, 21 Apr 2020 12:12:05 +0800</pubDate><description><![CDATA[一、sklearn数据集与估计器
1.sklearn数据集
1.数据集划分
一般划分两部分
训练集：用于训练，构建模型   （70%，75%，80%）
测试集：在模型检验时使用，用于评估模型是否有效  （30%，25%，20%）
一般划分75%，25%比较好
API
sklearn.model_selection.train_test_split
- sklearn.datasets
加载获取流行...]]></description><category></category></item><item><title><![CDATA[学习笔记：机器学习day1]]></title><link>https://blog.youkuaiyun.com/Rick_Restart/article/details/105615164</link><guid>https://blog.youkuaiyun.com/Rick_Restart/article/details/105615164</guid><author>Rick_Restart</author><pubDate>Mon, 20 Apr 2020 09:18:10 +0800</pubDate><description><![CDATA[机器学习数据集结构，
机器学习特征工程：
1.数据的特征抽取
      1.文本特征抽取
      2.字典特征抽取
2.数据特征预处理
      1.归一化
      2.标准化
      3.缺失值处理
3.数据的降维]]></description><category></category></item><item><title><![CDATA[Python 正则表达式]]></title><link>https://blog.youkuaiyun.com/Rick_Restart/article/details/104638602</link><guid>https://blog.youkuaiyun.com/Rick_Restart/article/details/104638602</guid><author>Rick_Restart</author><pubDate>Thu, 16 Apr 2020 21:52:59 +0800</pubDate><description><![CDATA[1.正则表达式元字符和语法




字符
说明




.
匹配任意除换行符“\n”外的字符


\
转义符


[ ]
字符集。逐个：[123],  范围:[1-3]


\d
匹配数字 [1-9]


\D
匹配非数字 [^\d]


\s
空白字符


\S
非空白字符


\w
单词字符：[A-Za-z0-9_]


\W
非单词字符


*
匹配前一个字符出现0次或者无限次


+
匹配...]]></description><category></category></item><item><title><![CDATA[利用python进行数据分析—MovieLens 1M数据集]]></title><link>https://blog.youkuaiyun.com/Rick_Restart/article/details/105567007</link><guid>https://blog.youkuaiyun.com/Rick_Restart/article/details/105567007</guid><author>Rick_Restart</author><pubDate>Thu, 16 Apr 2020 21:24:50 +0800</pubDate><description><![CDATA[数据来源：http://www.grouplens.org/node/73
一、 导入python库
import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
from matplotlib.font_manager import FontProperties

二、数据整理
1.通过pandas读取数据...]]></description><category></category></item></channel></rss>