- 博客(7)
- 收藏
- 关注
RSS订阅原创 基于 Flask + ECharts 实现袋装螺蛳粉销量数据大屏可视化
本文介绍了使用Flask+ECharts构建袋装螺蛳粉销量数据大屏的实现方案。后端采用Flask提供数据接口，前端使用ECharts实现多种可视化图表，包括省份销量柱状图、日销量折线图、省份分布地图、口味占比饼图和用户评价词云。文章详细说明了项目结构、后端数据处理、前端图表配置及页面样式实现，最终呈现多维度交互式数据展示效果。该方案具有通用性，可拓展到电商、金融等领域的实时数据监控场景，并建议通过定时任务、图表联动和视觉优化进一步提升大屏功能。
2025-10-25 16:41:21
648
原创 脱发因素分析及预测
文章摘要：本文探讨了脱发问题的影响因素及机器学习预测方法。脱发受遗传（如AR基因）、激素（DHT水平）、营养（铁/锌缺乏）、生活方式（压力/睡眠）、环境（水质/污染）等多因素影响。研究使用包含遗传、激素、营养等12个特征的临床数据集（n=995），通过随机森林和支持向量机等算法构建预测模型。数据预处理包括特征编码（LabelEncoder）和数据集划分（train_test_split），模型评估采用分类报告和ROC曲线分析。该研究为个性化脱发干预提供了数据支持和技术路径。
2025-06-26 16:38:42
1035
原创 【无标题】
文章摘要： 该代码实现了一个脱发分析器(HairLossAnalyzer)类，用于分析和预测脱发风险。主要功能包括：1)初始化时可加载外部数据或生成模拟数据；2)进行数据预处理和特征工程，如创建营养缺乏指标、压力分数和年龄分组；3)提供数据探索功能，包括基本统计分析和可视化脱发程度分布。代码使用了pandas、numpy进行数据处理，matplotlib和seaborn进行可视化，并集成了sklearn机器学习库用于后续建模分析。该工具可帮助识别脱发相关因素，如年龄、遗传史、压力水平和营养状况等，为脱发风险
2025-06-26 16:24:56
249
原创 拓展任务5.3 分类
分类技术概述定义分类技术的基本概念及其在机器学习中的应用，涵盖监督学习与无监督学习的分类差异，以及常见应用场景（如文本分类、图像识别、情感分析等）。分类算法的主要类型列举核心分类算法，包括逻辑回归、决策树、随机森林、支持向量机（SVM）、朴素贝叶斯和神经网络，简要说明每种算法的原理与适用场景。数据预处理步骤详述分类任务前的数据准备流程：特征选择（如方差阈值、卡方检验）、特征缩放（标准化、归一化）、处理缺失值（删除或填充）、类别不平衡问题（过采样、欠采样、SMOTE）。模型训练与评估方法拆分训练
2025-06-20 14:40:10
980
原创 任务5.2 聚类
本文基于2021年订单数据，使用LRFM模型和K-means聚类进行客户价值分析。首先对数据进行预处理，包括缺失值处理、异常值修正和退款订单筛选。随后通过数据可视化分析渠道收益、月度消费模式和小时消费趋势。在构建LRFM模型时，除传统RFM指标外，新增客户生命周期(L)指标。通过手肘法和轮廓系数确定最佳聚类数K=3，将客户划分为三类：1）重要客户（高L/R/M值，低F值），建议采取VIP服务；2）潜在客户（高F值但低其他指标），适合优惠刺激；3）一般客户（各项指标均低），需提升活跃度。研究结果为精准营销提供
2025-06-12 18:18:33
951
原创 2024大数据技术Python学习心得
Python的简洁与强大让我印象深刻，特别是在数据处理和可视化方面表现突出。通过实际项目应用，我不仅提升了编程技能，还培养了逻辑思维和解决问题，未来我将继续深化Python知识，应用于更多领域，提升自我实力。
2024-12-20 09:52:54
814
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人