zhenjiangxzy的博客

以一篇博客，写给努力的自己！

urlparse模块

使用WinEdt作为编辑latex文本的工具 1.LaTeX的基本语句\documentclass{book}\usepackage{amsmath} %使用宏包\begin{document}\title{this is my book}\author{zhenjiang-xzy}\date{} %用于日期的显示\maketitle %标题输出结束\end{document}2.生

数据分析1中记录了我学习Python一些库函数以及常用数据预处理的手段。这一部分将更加详细的介绍数据预处理的相关知识。2.1数据清洗2.2.1缺失值 有3类数据缺失值的处理方法：删除记录，数据插补和不处理。 主要使用拉格朗日插值法和牛顿插值法——使用现成的库函数进行拉格朗日插值。#coding:utf-8import pandas as pd from scipy.interpolate

**这一部分是一些简单的数据处理的算法。**33.1小波变换 小波变换是信号分析手段。能够刻画某个问题的特征量往往是隐藏在一个信号中的一个或者某些分量中，小波变换可以把非平稳信号分解成表达不同层次，不同频带信息的数据序列，也就是小波系数。选取适当的小波系数也就是完成了信号的特征提取。3.1.1基于小波变换的特征提取方法 主要有四种方法，如表格汇总： 3.1.2小波基函数 3.1.3小波变

经过数据的预处理，又基于挖掘目标的数据形式可以建立分类与预测，聚类分析，关联规则和偏差检测等模型。4.1分类与预测模型 分类模型可以用如下的图进行直观表示。 4.2常用分类与预测算法 4.2.1回归分析 回归分析是通过建立模型来研究变量之之间相互关系的密切程度、结构状态、及进行模型预测的有效方法。回归研究的问题可以归纳如下： 当自变量出现多重共线性时，，用最小二乘法估计的回归系数将

聚类分析 1.常用的聚类分析方法 聚类模型可以建立在无类标记的数据上，是一种非监督的学习算法。聚类的输入是一组未被标记的样本，聚类根据数据自身的距离或相似度将其划分成若干组，划分的原则是组内距离最小化而组间（外部）距离最大化，如图所示。常用的聚类算法： 2.K-Means聚类算法 2.1算法过程 代码如下：#-*- coding: utf-8 -*-#使用K-Means算法聚类消费行为

Python是一门拥有众多库的语言，用于数据分析十分方便。一.数据质量分析 1.1异常值分析 使用箱型图进行分析。箱型图提供了识别一场值的标准，具体如下图所示。在Python中可以使用pandas进行数据的查看（需要读入数据，然后使用describe（）函数就可以查看数据的基本情况）#coding:utf-8import pandas as pd catering_sale = '/home/