- 博客(3)
- 收藏
- 关注
RSS订阅原创 使用pandas进行项目数据分析并进行可视化
信息是在数据的基础上进行统计整理后的结果，例如人均工作量，完工比例，挣值分析等；而报告就是需要对信息作进一步的处理，例如项目进度控制，风险预警，信息可视化等，然后展示给相关方的内容，也就是常说的项目报告。Python是一种非常受欢迎的编程语言，特点是简明易懂，人人都能学得会，其本身就有强大的标准库，可以实现文件I/O、系统调用、网络编程、互联网协议、数据库访问等多种功能，同时还能通过包管理实现第三方库的安装，本问题提到的pandas，matplotlib，seaborn就属于第三方库的范畴。
2025-04-30 15:14:12
1428
原创 机器学习初步探索2--通过射频天线相对位置预估接收功率
毫米波因为其衰减过快，对天线要求高，抗障碍能力差等特点，在5G时代并没有取得大规模的应用，但是在未来的6G时代，毫米波可能会被当做主力频段使用，因此尝试借助此数据集训练和测试机器学习模型具有一定的现实意义，核心作用是可以预测毫米波场景中的接收信号强度或信道特性。发射机三维坐标，欧氏距离，气温，湿度均为连续正实数，收发机角度，障碍物衰减为连续实数（含负数），视距传输模式与环境阻塞事件为二分类离散值（0,1）。结果更糟糕了，关键特征“欧氏距离”的缺失，导致模型精度严重下降，直观判断已经是不可用状态。
2025-04-29 17:32:34
1584
原创 机器学习初步探索1--通过网络测量数据判断无线网络代数
这里选择数值范围为1-10，原因是通信工程领域数量级通常是差10db即相差10倍，通过之前的数据分析可以看到在信号强度，信噪比中明确存在这样的关系，而上下行速率在不同网络制式中也存在近似的倍率。这个数据集非常的基础，但很意外的是使用随机森林竟然得到了非常理想的结果，这说明随机森林非常适合处理这种数据规模不大，特征间存在关联，且特征值差异较大的多分类问题。位置类型，发射塔密度，用户密度与信噪比，商业区的密度一般是要高于农村的，而较高的密度有可能带来较高的背景噪声，例如站间互扰，大量电气设备的电磁干扰等。
2025-04-27 20:46:44
1802
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人