<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[python_new的博客]]></title><description><![CDATA[人生苦短快学python]]></description><link>https://blog.youkuaiyun.com/python_new</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; python_new]]></copyright><item><title><![CDATA[神经网络文章整理]]></title><link>https://blog.youkuaiyun.com/python_new/article/details/106162403</link><guid>https://blog.youkuaiyun.com/python_new/article/details/106162403</guid><author>python_new</author><pubDate>Sat, 16 May 2020 17:46:19 +0800</pubDate><description><![CDATA[最近在看神经网络，前向传播其实比较容易理解，但是对于反向传播理解不是很透彻，所以特意整理了几篇优秀博主文章来进行学习，感觉相当不错，特意转载。
神经网络概述：https://blog.youkuaiyun.com/illikang/article/details/82019945
神经网络公式推导：
https://blog.youkuaiyun.com/qq_32865355/article/details/80260212
神经网络反向传播举例：
https://blog.youkuaiyun.com/qq_29407397/articl]]></description><category></category></item><item><title><![CDATA[关于AUC和ROC曲线的理解]]></title><link>https://blog.youkuaiyun.com/python_new/article/details/105725536</link><guid>https://blog.youkuaiyun.com/python_new/article/details/105725536</guid><author>python_new</author><pubDate>Fri, 24 Apr 2020 10:39:47 +0800</pubDate><description><![CDATA[http://blog.youkuaiyun.com/dinosoft/article/details/43114935
http://my.oschina.net/liangtee/blog/340317

]]></description><category></category></item><item><title><![CDATA[常见分布的概率分布及期望方差]]></title><link>https://blog.youkuaiyun.com/python_new/article/details/105373468</link><guid>https://blog.youkuaiyun.com/python_new/article/details/105373468</guid><author>python_new</author><pubDate>Tue, 07 Apr 2020 20:58:01 +0800</pubDate><description><![CDATA[文章转载：https://www.jianshu.com/p/c05bafb52877


]]></description><category></category></item><item><title><![CDATA[多元线性回归模型检验-续上篇]]></title><link>https://blog.youkuaiyun.com/python_new/article/details/105170387</link><guid>https://blog.youkuaiyun.com/python_new/article/details/105170387</guid><author>python_new</author><pubDate>Sat, 04 Apr 2020 20:42:46 +0800</pubDate><description><![CDATA[https://editor.youkuaiyun.com/md/?articleId=105137945
其实上一篇讨论的多元线性回归还不是很全面，而且训练和测试集都没有分，在这里继续讨论多元线性回归模型检验的相关问题。
多元线性回归的输出变量是连续变量，输入变量中如果包含离散变量需要做哑变量或One-hot编码，连续变量可以直接用来建模。

共线性问题：https://www.sohu.com/a/326...]]></description><category></category></item><item><title><![CDATA[统计建模-多元线性回归预测房价]]></title><link>https://blog.youkuaiyun.com/python_new/article/details/105137945</link><guid>https://blog.youkuaiyun.com/python_new/article/details/105137945</guid><author>python_new</author><pubDate>Fri, 27 Mar 2020 17:00:50 +0800</pubDate><description><![CDATA[持续找工作中，闲聊时间看看统计建模的相关知识，首先来看建模的一般流程：
（1）获取数据，理解指标含义，对指标进行归类
（2）数据
（3）前期预处理：比如ID，或者该指标的取值唯一等字段就不用参与建模了
（4）数据探索，看数据的分布情况，发现缺失、异常、数据均衡性问题
1、自变量x和因变量y的分布情况；连续变量看均值、中位数、标准差、偏度等，离散变量看频数，占比等；

...]]></description><category></category></item><item><title><![CDATA[关于从事数据分析行业的一些思考]]></title><link>https://blog.youkuaiyun.com/python_new/article/details/104804841</link><guid>https://blog.youkuaiyun.com/python_new/article/details/104804841</guid><author>python_new</author><pubDate>Wed, 11 Mar 2020 20:41:45 +0800</pubDate><description><![CDATA[刚毕业半年，半吊子水平的数据分析师，面试官基本上也不问你特别深层次的东西，问了一些有关职业的理解和发展规划，现在把他记录在博客上面，后续继续改正，如有不妥之处，还望批评指正。
0X01数据分析师的理解：
一、数据分析师的产生
数据分析师并不像产品和开发那样在公司创业初期不可或缺，是公司发展到一定程度之后的产物；因为在产品初期，产品本身就可以做数据分析，到后来业务线不断增加，产品那些忙不过来，这个时...]]></description><category></category></item><item><title><![CDATA[统计推断中的参数估计和假设检验]]></title><link>https://blog.youkuaiyun.com/python_new/article/details/104589021</link><guid>https://blog.youkuaiyun.com/python_new/article/details/104589021</guid><author>python_new</author><pubDate>Sat, 07 Mar 2020 15:25:29 +0800</pubDate><description><![CDATA[拿到一个数据之后，一般都需要用python读进来或者在excel里面观看每个变量的含义，有助于理解这个数据，同时要一个变量一个变量进行排序，看看缺失值，异常值等情况，进行数据清洗
如何培养数据的敏感性？？多看数据的分布图（直方图和柱形图一般就可以了），或者列联表分析图，然后基于对业务的理解，能看出来这个数据大概是个什么情况
错误值的处理方法：
1、首选是改对了（成本很高）
2、用缺失值替换
3、删...]]></description><category></category></item><item><title><![CDATA[闲聊数据建模流程]]></title><link>https://blog.youkuaiyun.com/python_new/article/details/104690256</link><guid>https://blog.youkuaiyun.com/python_new/article/details/104690256</guid><author>python_new</author><pubDate>Fri, 06 Mar 2020 13:12:22 +0800</pubDate><description><![CDATA[闲聊在数据建模之前的一些数据预处理步骤。
如何培养数据之间的敏感性，多看各指标的分布，通过直方图，柱形图，概率密度图能看到数据的分布情况，能看到数据集中在什么位置，边界值在什么位置。
1、取数：首先是理解业务，理清逻辑，写sql去数据库里面取数
2、简单理解变量：取数完成之后，放到excel或者是用python读取文件，浏览数据，记录下每一个变量的含义，并且对变量进行分组，比如在金融行业，将能代表...]]></description><category></category></item><item><title><![CDATA[统计分析知识之--描述性统计]]></title><link>https://blog.youkuaiyun.com/python_new/article/details/104574631</link><guid>https://blog.youkuaiyun.com/python_new/article/details/104574631</guid><author>python_new</author><pubDate>Sat, 29 Feb 2020 18:24:16 +0800</pubDate><description><![CDATA[数据统计之描述性统计：
变量类型
包括分类变量和连续变量。如果细分分类变量又可以分为名义变量和等级变量，名义变量没有高低贵贱之分，如男女性别，等级变量存在等级之间的划分，如成绩的优良、中等、及格等：
度量标准
分类变量：
分类变量使用频次和百分比（行汇总、列汇总呢、总计百分比）来进行度量，至于频次就可以使用列联表来进行展示，百分比可以用柱形图等。
连续变量：
连续变量的度量就比较复杂了，主要包含三...]]></description><category></category></item><item><title><![CDATA[数理统计的相关知识]]></title><link>https://blog.youkuaiyun.com/python_new/article/details/104570936</link><guid>https://blog.youkuaiyun.com/python_new/article/details/104570936</guid><author>python_new</author><pubDate>Sat, 29 Feb 2020 14:28:05 +0800</pubDate><description><![CDATA[闲情逸致，写几篇小文，也算是安慰一下自己
------------统计分析常用分析方法-------------
下图总结了统计学中我们常用到的一些统计分析方法，图表来源于Ben老师。从大类来看，分析包含四大类：探索性分析（新产品如何定价[成本、市场竞争和需求]），描述性分析（昨天交易情况如何，偏向于统计维度），解释性分析（指标为什么下降[先看同比情况；然后查看其他因素，周六日、节假日、服务器崩溃...]]></description><category></category></item><item><title><![CDATA[Python原生态函数小结]]></title><link>https://blog.youkuaiyun.com/python_new/article/details/104558221</link><guid>https://blog.youkuaiyun.com/python_new/article/details/104558221</guid><author>python_new</author><pubDate>Fri, 28 Feb 2020 16:44:09 +0800</pubDate><description><![CDATA[最近疫情大爆发，简历投出去基本上没什么反应，闲着也是闲着还不如巩固一下以前的知识：
1、字符串可以是单引号、双引号（一般一行以内，当然也可以使用 \ ）、三引号（多行）；单引号和双引号可以互用；
c = ‘It is a “dog”!’
2、常用函数
str.strip(",")  – 去除字符串里面的 , 号
str.split(",")   – 对字符串按照,进行分割
------------...]]></description><category></category></item><item><title><![CDATA[常用广告计价方式]]></title><link>https://blog.youkuaiyun.com/python_new/article/details/102944844</link><guid>https://blog.youkuaiyun.com/python_new/article/details/102944844</guid><author>python_new</author><pubDate>Wed, 06 Nov 2019 23:46:40 +0800</pubDate><description><![CDATA[当今，广告可谓是遍布在生活的方方面面，不论是坐地铁的大张海报、宣传栏，地铁里面的移动电视，各大高楼大厦的液晶显示屏；看在线视频时令人讨厌的前贴片、中插、弹幕广告等，几乎无处不在，下面简单介绍一下广告的计价方式：
CPM：说白了就是按照展示次数收费，1CPM就是曝光1000次，重在曝光，效果具有延迟效应；
CPC：按点击收费，有些广告主说光是展示，用户又不去点击我们的广告，有什么用？又不能给我带来转...]]></description><category></category></item><item><title><![CDATA[python遍历sheet并将处理结果存储到当前工作表中]]></title><link>https://blog.youkuaiyun.com/python_new/article/details/102810498</link><guid>https://blog.youkuaiyun.com/python_new/article/details/102810498</guid><author>python_new</author><pubDate>Thu, 31 Oct 2019 23:52:10 +0800</pubDate><description><![CDATA[1、背景
刚开始的时候，领导给了我一张excel表，她说每周都不定期更新，每次更新都是复制粘贴，不但容易出错，而且要花费2个多小时，然后她问我，你在下班时间可以考虑怎么用脚本如python，或VBA把这个东西做批量化处理，提高一下工作效率，我说好，然后就开始构思怎么去处理这样一种格式的数据，捡起我3个月都没写脚本的热情，就展开了。刚开始也没想着一下就能完全实现，一步一步来，快一点是一点，然后写了一...]]></description><category></category></item><item><title><![CDATA[python遍历文件夹中带指定后缀的文件并做数据拼接]]></title><link>https://blog.youkuaiyun.com/python_new/article/details/102809849</link><guid>https://blog.youkuaiyun.com/python_new/article/details/102809849</guid><author>python_new</author><pubDate>Tue, 29 Oct 2019 22:54:51 +0800</pubDate><description><![CDATA[1、背景
不知道小伙伴们平时有没有这样的困惑，去平台上面疯狂的导数，然后复制粘贴，做加工处理，做个表格，交给领导看，稍微不注意，还出错，被领导一顿批，下面我介绍一种简单的应用场景，使用代码来批量实现。
具体的情况如下：
（1）在某个文件夹下面，我们想把以xlsx为后缀的文件筛选出来
（2）获取下划线后面的订单id
（3）将xlsx为后缀的文件内容做纵向拼接
文件夹的内容如下：

订单表201910...]]></description><category></category></item><item><title><![CDATA[统计学基础-周计划1]]></title><link>https://blog.youkuaiyun.com/python_new/article/details/96690957</link><guid>https://blog.youkuaiyun.com/python_new/article/details/96690957</guid><author>python_new</author><pubDate>Sun, 21 Jul 2019 08:38:53 +0800</pubDate><description><![CDATA[数据的集中趋势
众数
概念：一组数据中出现次数最多的数，众数可以是多个，也可以没有。
举个栗子：[0,0,1,1,2,3]中的众数是0和1，[0,1,2,3]中没有众数，[0,1,2,1]中的众数是1。
中位数
概念：一组数据中，中间位置的那个数，假设n为奇数，排序之后中间的那个值就是中位数，如果n是偶数，排序之后中间两个数的平均值即为中位数。
举个栗子：假设排序之后的数据为[0,1,2,4,4]...]]></description><category></category></item><item><title><![CDATA[mysql求累计值，实现python中cumsum的功能]]></title><link>https://blog.youkuaiyun.com/python_new/article/details/90744153</link><guid>https://blog.youkuaiyun.com/python_new/article/details/90744153</guid><author>python_new</author><pubDate>Sun, 02 Jun 2019 21:55:08 +0800</pubDate><description><![CDATA[由于实际需要，特意写此博客记录一下怎么在mysql中实现累加的功能，达到python中cumsum的效果
博客参考：https://www.cnblogs.com/bourneli/archive/2013/08/09/3248908.html
有如下数据：

实现如下功能1，即新增一列求累计值：

实现如下功能2，即新增一列求当月累计值：

建表与插入数据sql：
SET NAMES utf8m...]]></description><category></category></item><item><title><![CDATA[pandas数据读取与存储]]></title><link>https://blog.youkuaiyun.com/python_new/article/details/89976464</link><guid>https://blog.youkuaiyun.com/python_new/article/details/89976464</guid><author>python_new</author><pubDate>Wed, 08 May 2019 21:34:50 +0800</pubDate><description><![CDATA[数据读取与存储1常用数据的读取1.1读取csv文件1.2使用read_table读取数据1.3读取mysql数据(未使用ssh通道)1.4读取excel数据1.5读取Mongodb数据1.6读取api接口数据2.常用数据的存储2.1写入csv文件2.2写入excel文件2.3写入数据库中
1常用数据的读取
1.1读取csv文件
import pandas as pd
例：data= pd.read...]]></description><category></category></item><item><title><![CDATA[【活动分析】某电商双十一活动分析报告]]></title><link>https://blog.youkuaiyun.com/python_new/article/details/87110926</link><guid>https://blog.youkuaiyun.com/python_new/article/details/87110926</guid><author>python_new</author><pubDate>Tue, 12 Feb 2019 19:52:40 +0800</pubDate><description><![CDATA[某电商双十一活动分析报告1营收总述1.1营收结构1.2营收趋势1.3订单构成1.4订单趋势1.5用户结构2商品分析2.1订单价格区间分布2.2各价格区间销售量及销售额分布2.3各类商品订单数2.4各类商品销售额2.5商品二八法则3用户分析3.1地理分布3.2订单付款时长3.3购买力Top153.4终端分析3.5合作伙伴4总结
本报告旨在汇报某电商双十一前后两个月的营收概况。
1营收总述
1.1营收...]]></description><category></category></item><item><title><![CDATA[【网站流量分析】某网站网站流量分析报告（CNZZ统计）]]></title><link>https://blog.youkuaiyun.com/python_new/article/details/87108560</link><guid>https://blog.youkuaiyun.com/python_new/article/details/87108560</guid><author>python_new</author><pubDate>Tue, 12 Feb 2019 19:17:33 +0800</pubDate><description><![CDATA[某网站流量分析报告1思维导图2流量分析2.1趋势分析2.2对比分析2.3当前在线3来源分析3.1来源分类3.2搜索引擎3.3搜索词3.4受访界面4访客分析4.1区域分布4.2运营商4.3终端4.4新老访客4.5忠诚度4.6活跃度4.7用户结构5结论与建议5.1结论5.2建议
1思维导图

2流量分析
2.1趋势分析
从最近7天的流量趋势来看，网站每天早上10点到下午5点这个时间段的访客最多，每天平...]]></description><category></category></item><item><title><![CDATA[【用户运营】滴滴出行活动策划、用户成长体系、用户增长逻辑分析]]></title><link>https://blog.youkuaiyun.com/python_new/article/details/87080070</link><guid>https://blog.youkuaiyun.com/python_new/article/details/87080070</guid><author>python_new</author><pubDate>Tue, 12 Feb 2019 12:27:18 +0800</pubDate><description><![CDATA[滴滴出行活动策划、用户成长体系、用户增长逻辑分析1功能模块分析及产品介绍1.1功能模块1.2产品介绍2活动策划（以愚人节为例）2.1活动主题2.2活动目的2.3活动目标2.4活动资源2.5活动对象2.6活动规则2.7活动时间2.8活动推广2.9活动平台3用户成长体系3.1概念3.2滴币（积分）体系3.3会员体系3.3.1快车3.3.2礼橙专车3.4滴币和会员体系总结与疑惑4用户增长4.1用户增长逻...]]></description><category></category></item></channel></rss>