weixin_43576422的博客

特征选择是特征工程里的一个重要问题，其目标是寻找最优特征子集。特征选择能剔除不相关(irrelevant)或冗余(redundant )的特征，从而达到减少特征个数，提高模型精确度，减少运行时间的目的。另一方面，选取出真正相关的特征简化模型，协助理解数据产生的过程。可参考这篇文章：结合Scikit-learn介绍几种常用的特征选择方法常用方法分类Filter：过滤法，按照发散性或者相关性对各个特征进行评分，设定阈值或者待选择阈值的个数，选择特征。 （去掉取值变化小的特征 Removing

这篇主要是复习一下进入标题，lambda是什么？为什么要使用lambda？lambda表达式是一种匿名函数，对应python中的自定义函数def。定义func函数，计算给定数x的平方def func(x):return x*x等价于func = lambda x: x*x可以看到，lambda只不过是定义函数的一种高级写法，lambda简化了函数定义的书写形式。代码更为简洁。对于有些函数我们只用一次的，用lambda就十分友好，连函数名都没有。lambda与map(), filte

最近有用pandas制作报表和数据分析的需求，在此记录下一些小技巧：1、加载excel文件pandas.read_excel(io, sheet_name=0, header=0, names=None, index_col=None, usecols=None, squeeze=False, dtype=None, engine=None, converters=None, true_values=None, false_values=None, skiprows=None, nrows=None,

数据集下载地址：https://www.kaggle.com/jessemostipak/hotel-booking-demand该数据集包含城市酒店和度假酒店的预订信息，包括预订时间、停留时间，成人/儿童/婴儿人数以及可用停车位数量等信息。适用场景：社会科学、旅行、酒店、用户行为，不具有明显的行业标识，可进行常规用户行为分析。数据量：32列共12W数据量。可以定义的问题：1)基本情况：城市酒店和假日酒店预订需求和入住率比较；2)用户行为：提前预订时长、入住时长、预订间隔、餐食预订情况；3)

接上一篇：用Excel做一次数据分析（一）——爬取前程无忧（51job）的招聘信息得到了数据后，接下来可以开始数据清洗和分析的工作了：总体步骤：数据获取——这里用python爬取前程无忧的招聘信息；明确分析目的——你拿这数据要得到什么信息，解决什么问题；观察数据——各个数据字段的含义，中英文释义；数据清洗——无效值、缺失值、重复值处理，数据结构是否一致等；分析过程——围绕目的展开分析；制作可视化——做图表做可视化报告一、明确目的数据分析的大忌是不知道分析的方向和目的，拿着一堆数据不知所措

前言本文分为两步：数据的获取 （python爬虫，以广州，数据分析师为例）数据分析（这里先不用python，而是excel）总体步骤：数据获取——这里用python爬取前程无忧的招聘信息；明确分析目的——你拿这数据要得到什么信息，解决什么问题；观察数据——各个数据字段的含义，中英文释义；数据清洗——无效值、缺失值、重复值处理，数据结构是否一致等；分析过程——围绕目的展开分析；制作可视化——做图表做可视化报告。爬取数据网址首页：https://www.51job.com/搜索后

特征构造原始数据包含四十多个特征，如何利用这些特征？由于特征数较多，我们并不需要利用上所有的特征。１、RFM模型本项目的目标是客户价值分析，即通过航空公司客户数据识别不同价值的客户，识别客户价值应用最广泛的模型是RFM模型。R（Recency）指的是最近一次消费时间与截止时间（采集数据）的间隔。F（Frequency）指顾客在某段时间内所消费的次数。M（Monetary）指顾客在某段时间内所消费的金额。2、RFM模型结果解读RFM模型包括三个特征，使用三维坐标系进行展示，如图所示。X