自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(9)
  • 收藏
  • 关注

原创 城市幸福指数数据探秘:多维度分析与可视化呈现

【代码】Untitled。

2025-06-30 11:01:31 396

原创 震惊有关脱发不得不说的秘密

genetic_hair_loss = df[(df[‘遗传因素’] == 1) & (df[‘脱发标记’] == 1)]df[‘年龄分组’] = pd.cut(df[‘年龄’], bins=[0, 20, 30, 40, 50, 100],labels=[‘0-20岁’, ‘21-30岁’, ‘31-40岁’, ‘41-50岁’, ‘50岁以上’])‘高压力组遗传比例’: [high_stress[‘遗传因素’].mean()],low_stress = df[df[‘高压力’] == 0]

2025-06-26 17:16:26 522

原创 有关脱发的python数据分析

标准化处理则为数据注入了统一的 "度量衡"—— 当Age列的数值被压缩至均值为 0、标准差为 1 的坐标系中,不同特征间的量纲差异被彻底消弭,确保后续无论选择敏感于数值分布的 SVM,还是擅长捕捉非线性关系的随机森林,模型都能在公平的起跑线上学习。经预处理的 “干净” 数据,已具备支撑机器学习建模的条件,后续可借算法探寻遗传、环境、生活习惯等因素与脱发间的潜在关联,为脱发预测、干预策略制定提供数据驱动的科学依据,助力解开脱发成因谜团,从数据视角为守护毛发健康添砖加瓦。本项目围绕脱发影响因素展开深度分析。

2025-06-26 16:35:03 794

原创 探秘脱发诱因:数据驱动的深度解析之旅

后续可进一步结合机器学习模型(如随机森林、支持向量机 ),深入挖掘特征重要性,构建脱发预测模型,为脱发预防和干预提供更精准的依据,助力大家守护头发健康。- 缺失值: df.replace("No Data", pd.NA, inplace=True) ,把标识缺失的文本转成 pandas 标准缺失值,便于统一处理。探究 遗传因素 荷尔蒙变化 等二值特征(取值为两类,如有无 )与 脱发标记 的关联,通过分组柱状图可视化。将英文列名转为中文,方便理解业务含义(如“遗传因素”“脱发标记” )。

2025-06-26 16:03:27 163

原创 心脏病数据分析及类别

一、引言 在全球疾病谱中,心脏病始终占据着高发病、高致死率的“沉重席位”。随着医疗信息化推进,海量临床数据积累为疾病研究提供新契机。本文基于真实医疗数据集,以Python为工具,完整呈现心脏病数据分析与分类模型构建全流程——从数据清洗、特征洞察,到多模型训练评估,为医疗领域数据驱动诊断提供可落地的实践参考,助力挖掘数据背后的疾病诊疗价值。年龄核密度图揭示分布形态,直方图量化区间人数;

2025-06-20 15:39:04 346

原创 基于python心脏病分类模型构建实践

4. XGBoost模型: python xgb_model = XGBClassifier(random_state=15, scale_pos_weight=sum(y_train==0)/sum(y_train==1)) xgb_model, xgb_auc = evaluate_model(xgb_model, "XGBoost", X_train, X_test, y_train, y_test) XGBoost模型为梯度提升框架,在处理分类问题时表现出色,通过设置参数平衡样本权重。

2025-06-20 15:23:16 329

原创 订单数据分析和聚类

聚类分析是一种无监督学习方法,它可以将数据集中相似的数据点归为一类,使得同一类内的数据点相似度较高,不同类之间的相似度较低。在订单数据分析中,聚类分析可以帮助我们识别不同类型的客户群体,为精准营销提供依据。渠道表现:识别出了高收益渠道和低收益渠道,为渠道优化提供了依据时间规律:发现了销售的月度和每日时间分布规律,有助于优化运营时间安排客户分群:通过 RFM 模型和 K-means 聚类,将客户分为不同的群体,为精准营销奠定了基础。

2025-06-13 15:55:46 899

原创 python数据分析

list(z) for z in zip(x, y)], # 数据 [(key, value), (key, value),....]label_opts=opts.LabelOpts(formatter="{b}: {d}%") # 以百分比形式显示。.set_global_opts(title_opts=opts.TitleOpts(title="患者性别分布情况"))tag = tag.replace(".", "-") # 替换点号为短横线。# 查看数据前 1 行,快速预览数据结构。

2025-06-05 16:38:04 319 1

原创 python

这般简洁优雅降低了编程的准入门槛,让毫无编程基础的小白也能轻松踏入代码的奇妙天地,感受编程的乐趣与魅力。它以简洁的语法、丰富的库和广泛的应用领域,成为了众多开发者的首选。无论你是想要探索数据的奥秘,还是构建令人惊叹的 Web 应用,亦或是投身于人工智能的创新浪潮,Python 都将伴你同行,助你在编程的道路上披荆斩棘,收获无限精彩。它的诞生,为我们打开了一扇通往高效、简洁编程世界的大门,无论是初涉编程的新手,还是经验丰富的开发者,Python 都展现出了其独特且无可替代的魅力。

2024-12-20 09:09:22 887 1

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

提示
确定要删除当前文章?
取消 删除