qq_45315982的博客

import pandas as pd beer=pd.read_csv('data.txt',sep=' ') # print(bear) #取出四列数据 X=beer[['calories','sodium','alcohol','cost']] #导入kmeans from sklearn.cluster import KMeans km=KMeans(n_clusters=3).fit...

python文本数据分析 文本数据 停用词 在拿到文章后里面有许多词语大量出现，但是不存在实际意义，比如标点符号，比如：一样，一个，一些，一时，一旦，一起等等。。跟文章主要内容没有什么关系。 Tf-idf ：关键词提取 比如：《中国的蜜蜂养殖》: 进行**词频（Term Frequency，缩写为TF）**统计出现次数最多的词 是----“的”“是”“在”----这一类最常用的词（停用词） ...

集成方法案例 集成方法可将多种机器学习模型的预测结果结合在一起，获得单个模型无法匹敌的精确结果，它已成为几乎所有 Kaggle 竞赛冠军的必选方案。那么，我们该如何使用 Python 集成各类模型呢？本文作者，曼彻斯特大学计算机科学与社会统计学院的在读博士 Sebastian Flennerhag 对此进行了一番简述。 在 Python 中高效堆叠模型 集成（ensemble）正在迅速成为应用机器...

信用卡欺诈检测（二分类问题） 因为数据的隐私问题，很多指标进行了降维处理，特征已经提取完毕。 数据进行分类： 属于0类：正常 属于1类：异常 在数据集中，正常数据大于异常数据。 class里面为0的是正样本，1的是负样本。 样本不均衡时采用的方法 1.过采样 让1样本像0样本一样多。 2.欠采样（下采样） 让0样本像1样本一样少。 Amount样本分布差异过大（标准化或者归一化） #Amount...