xfsong2012的博客

2.2 基于python的案例实战 2.2.1 数据预处理 案例为一次人口普查数据，共计32561条样本数据。其中变量包括年龄、受教育程度、职业等因素，需要通过已知的数据预测居民的年收入是否会超过5万。 表2.1 居民基本数据集 从表中数据可以看出，数据类型为数值型和离散型，需要对数据进行清洗，包括检查数据是否重复、...

目 录 第1章 数据分析与挖掘概述 1.1 什么是数据分析和挖掘 1.2 数据分析与挖掘的应用领域 1.2.1 电商领域——发现破坏规则的“害群之马” 1.2.2 交通出行领域——为打车平台进行私人订制 1.2.3 医疗健康领域——找到最佳医疗方案 1.3 数据分析与挖掘的区别 1.4 数据挖掘的流程 1.4.1 明确目标 1.4.2 数据搜集 1.4.3 数据清洗 1.4.4 构建模型 1.4.5 模型评估 1.4.6 应用部署 1.5 ...

第1章 数据分析与挖掘概述 1.1 什么是数据分析和挖掘 数据来源： 问卷调查法 实验法 通过设备记录数据 通过网页或APP记录用户操作 通过数据接口、网络爬虫获得公开数据 企业数据共享 数据分析与挖掘目的都是基于搜集到的数据，应用数学、统计、计算机等技术抽取出数据中的有用信息，进而为决策提供依据和指导方向。 1.3 数据分析与挖掘的区别 ...

机器学习项目的python模板： 1、定义问题 （1）导入类库 （2）导入数据集 2、理解数据 （1）描述性统计 （2）数据可视化 3、数据准备 （1）数据清洗 （2）特征选择 （3）数据转换 4、评估算法 （1）分离数据集 （2）定义模型评估标准 （3）算法审查 （4）算法比较 5、优化模型 （1）算法调参 （2）集成算法 6、结果部署 （1）预测评估数据集 （2）利用整个数据集生成模型 （3）序列化模型 ...