silvia__y的博客

  决策树的原理即利用不同的最优特征选择方法，优先选择样本纯度最高的特征来进行样本分类。其中：使用信息增益的决策树算法为 ID3；使用信息增益率的决策树算法为 C4.5；使用Gini指数的决策树算法为 CART算法。  ID3算法中，信息增益（Information gain）越大，数据越纯净，越有序，自然地我们优先选取信息增益最大的特征来分类样本。样本集的信息熵（Entorpy）的值越小...

from IPython.core.interactiveshell import InteractiveShellInteractiveShell.ast_node_interactivity = "all" #pandas基础import pandas as pdfrom pandas import Series, DataFrameimport numpy as np#S...

from IPython.core.interactiveshell import InteractiveShellInteractiveShell.ast_node_interactivity = "all" #pandas基础import pandas as pdfrom pandas import Series, DataFrameimport numpy as np#S...

好久不看，基础都忘记了，再复习一遍！#numpy练习import numpy as np#生成随机数组data = np.random.randn(2,3)dataarray([[-0.11086926, 1.41892946, 1.28374622], [ 0.92468719, -0.09997067, 0.21467277]])#数组大小data...

一、网页访问数据指标IP （Internet Protocol) 独立IP通常采用独’立IP数， 理论上指00:00-24:00内相同IP地址重复访问只被计算一次。而不同的商业统计工具，缩短去掉重复统计的时间，也是数据统计放大的一个常用套路。（PS：在目前，尤其对企业用户群体中，一个公网独’立IP可能对应很多独’立终端，所以很多互联网公司已经放弃使用独’立IP作为统计口径了。）UV (Un...

原文链接：https://www.kaggle.com/pmarcelino/comprehensive-data-exploration-with-python/notebook文件说明： train.csv - the training set 训练集 test.csv - the test set 测试集 data_description.txt - 每列说明 ...