HJZ11的博客

# 1.导入包import pandas as pdimport numpy as npimport time# 2.忽略警告import warningswarnings.filterwarnings("ignore")from sklearn.neighbors import KNeighborsClassifier# 3.读取数据# C:\Users\hjz\AI\project\02_lianxi\01_DigitRecognizer\0_data\train.csvd

# 1.导包import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom sklearn.datasets import load_digitsfrom sklearn.preprocessing import MinMaxScaler, StandardScalerfrom sklearn.model_selection import train_test_splitfrom sklearn.neighb

文章目录1.导入包2.读取文件1.导入包2.读取文件#读取训练集数据df_train = pd.read_csv("./data/train_preliminary/train90w.csv")print(df_train.head())C:\Anaconda3\python.exe D:/hjz-py/Project/08-腾讯广告/train_model.py user_id 1 2 3 4 5 6 7 ... 13 14 15 16 17 18

文章目录1.导入工具包2.导入训练包2.1忽略警告2.2 不采用科学计数法2.3 设置字体3.读取文件3.1 常用读取文件3.2 读取index和label之间的映射关系4.数据分析与处理4.1 查看数据4.2 分段，分类4.3 时间特征处理5.异常值，缺失值，删除数据5.1 replace5.2 drop5.3 fillna6.特征工程6.1 离散连续处理6.2 相关性，正交矩阵6.3 标准化，归一化7.数据划分8.模型选择8.1 线性回归8.2 随机森林8.3 GBDT8.4 SVM8.5 KNN9.模

#coding:utf-8#先读取数据，用pandas 读入表，再进行分析和处理 import pandas as pdimport numpy as np df = pd.read_csv('../data/LoanStats3a.csv', skiprows = 1, low_memory = False)#......................# print(df.info())#大约是145列，对其进行特征处理，凭借经验可以降维操作#删除id 和 member_iddf.d

1.项目说明#声音处理接口属性：nfft = 2048接口每次处理音乐数据的量#声音文件处理需要安装的包：python_speech_featrures MFCCMFCC分两步，第一做傅里叶变换，第二步再做梅尔倒谱#pydub包，做mp3与wav之间的转换，因为Scipy的wavfile接口只能调用wav格式的文件#第一步，把MP3转换成wav第二步，读入wav格式文件第三步，进行mfcc转换================》矩阵需要有点音乐常识如何计算空间向量相似度：第一，欧里几何距

文章目录1.读取文件2.数据预处理3.模型训练预测3.1 KNN3.2 SVM3.3 Decision Tree3.4 Random forest3.5 GBDT3.6 Bayes4.算法模型对比5.总结1.读取文件#-*-coding:utf-8 -*-import os#读取文件索引，把spam ../data/000/000 改为 000/000 1def read_index_file(file_path): type_dict = {"spam": "1", "ham": "