Rango_lhl的博客

搭建宽表作用，就是为了让业务部门的数据分析人员，在日常工作可以直接提取所需指标，快速做出对应专题的数据分析。在实际工作中，数据量及数据源繁多，如果每个数据分析人员都从计算加工到出报告，除了工作效率巨慢也会导致服务器资源紧张。因此建设数据集市层，包含了该宽表层并在非工作时间做自动生成。本文引用CDNow网站的一份用户购买CD明细数据，梳理业务需求，搭建一套数据宽表。该CD数据包括用户ID，购买日期，购买数量，购买金额四个字段(此项目中用userid,datatime,products,amounts字段

转载至决策树（decision tree）(三)——连续值处理| 连续值处理    因为连续属性的可取值数目不再有限，因此不能像前面处理离散属性枚举离散属性取值来对结点进行划分。因此需要连续属性离散化，常用的离散化策略是二分法，这个技术也是C4.5中采用的策略。下面来具体介绍下，如何采用二分法对连续属性离散化：    下面举个具体的例子，来看看到底是怎样划分的。给定数据集如下（数据集来自周志华《机...

 群体稳定性指标PSI(Population Stability Index)是衡量模型的预测值与实际值偏差大小的指标。PSI = sum（（实际占比-预期占比）* ln（实际占比/预期占比））举例：比如训练一个logistic回归模型，预测时候会有个概率输出p。测试集上的输出设定为p1吧，将它从小到大排序后10等分，如0-0.1,0.1-0.2,......。现在用这个模型去...

原文链接：https://blog.youkuaiyun.com/Just_youHG/article/details/83904618 背景《Python数据分析与挖掘实战》 案例2–航空公司客户价值分析在该案例中的雷达图缺少相应的代码，查看相关文档之后，实现的代码如下。数据用于作图的数据对象名为data_cluster，数据展示如下：注：其中（ZL,ZR,ZF,ZM,ZC）...

 参考代码def distEclud(vecA, vecB): """ 计算两个向量的欧式距离的平方，并返回 """ return np.sum(np.power(vecA - vecB, 2)) def test_Kmeans_nclusters(data_train): """ 计算不同的k值时，SSE的大小变化 """