摘要： DataFrame.drop_duplicates(subset=None, keep='first', inplace=False) 参数 #用来指定特定的列，默认所有列 subset : column label or sequence of labels, optional # keep='f 阅读全文

摘要： concat ignore_index=False 保持原有索引 ，True 顺序添加新的索引 append ignore_index=False 保持原有索引 ，True 顺序添加新的索引 阅读全文

摘要： 针对不同情况，有些问题你需要的聚类数目可能是已知的。但是在聚类数目不作为一个先验知道的情况下，我们并不能够保证某个聚类的数目对这个数据是最优的，因为我们对于数据的结构（如果存在的话）是不清楚的。但是，我们可以通过计算每一个簇中点的轮廓系数来衡量聚类的质量。数据点的轮廓系数衡量了它与分配给他的簇的相似 阅读全文

摘要： python数据分析工具pandas中DataFrame和Series作为主要的数据结构. 本文主要是介绍如何对DataFrame数据进行操作并结合一个实例测试操作函数。 1）查看DataFrame数据及属性 2）使用DataFrame选择数据: 3）使用DataFrame重置数据: 4）使用Dat 阅读全文

摘要： 聚类的方法有很多种，k-means要数最简单的一种聚类方法了，其大致思想就是把数据分为多个堆，每个堆就是一类。每个堆都有一个聚类中心（学习的结果就是获得这k个聚类中心），这个中心就是这个类中所有数据的均值，而这个堆中所有的点到该类的聚类中心都小于到其他类的聚类中心（分类的过程就是将未知数据对这k个聚 阅读全文

摘要： 用于回归问题 决定系数R2 ，衡量模型预测能力好坏（真实和预测的 相关程度百分比） Y_true是真实的数据，y_pred是预测的数据。 使用r2_score()方法可以看到，预测数据和真实数据越接近，R2越大。当然最大值是 1 一个模型的R2 值为0还不如直接用平均值来预测效果好；而一个R2值为1 阅读全文

摘要： pca主成分分析： 可以把高纬度数据在损失最小的情况下转化为低维度数据。显然，PCA可以对数据进行压缩，可以在可控的失真范围内提高运算速度。 PCA主要参数: n_components：这个参数可以帮我们指定希望PCA降维后的特征维度数目whiten ：判断是否进行白化，就是对降维后的数据的每个特征 阅读全文

摘要： 本文转载自：https://blog.csdn.net/zbc1090549839/article/details/38929215 一.引言 这里我们将要讨论所谓的“维数灾难”，同时结合过拟合现象来解释它在分类器学习中的重要性。 举一个分类应用的简单例子，假设我们有一系列的图片，每张图片的内容可能 阅读全文

摘要： 给出这三个人的身高和体重： 按照我们的理解，明显Chris应该穿L码，但是根据身高+体重的结果，Chris却应该穿S。这是为什么呢？ 因为在这里，体重完全主导了结果，身高的影响微乎其微。 而我们应该尽量让两者对结果有同等重要的影响。 这就引来了特征缩放——把特征都限制在[0,1]之间。 解释： X’ 阅读全文

摘要： K-mean执行步骤 1，根据参数选择聚心的数量 如果分成两类，那么会随机分配两个聚心的位置，并根据聚心的位置给它分配一些点 下图 红蓝X就是两个聚心 2.计算分配的这些点，距离自己聚心的距离，算出平均值。聚心会根据算出的平均值，移动自己到平均值的位置，再次进行分配点 3，继续上一步的操作，迭代多次 阅读全文