2021年7月7日
摘要：
1.前言 博主研究生第一年已经成为过去式了，上了课，修了学分。接下来两年就是要搞搞学术了，方向为：大数据分析与数据挖掘。从此篇开始，就将学习过程中一些问题和想法与友交流之。这里是博主在学习中看的一本书《python数据分析与挖掘实战》中基础篇的一些代码规范以及参考方法，供大家学习。 2.错误分析 由 阅读全文
posted @ 2021-07-07 16:02
BabyGo000
阅读(586)
评论(0)
推荐(0)
摘要：
客户在餐厅点餐时，面对着菜单中大量的菜品信息，往往无法迅速的找到满意的菜品，既增加了点菜的时间，也降低了客户的就餐体验。实际上，菜品的合理搭配是有规律可循的：顾客的饮食习惯，菜品的荤素和口味，有些菜品之间是互相关联的，而有些菜品之间是对立或竞争关系（负关联）。这些规律都隐藏在大量的历史菜单数据中，如 阅读全文
posted @ 2021-07-07 16:01
BabyGo000
阅读(997)
评论(0)
推荐(0)
摘要：
航空公司客户价值分析 一、 背景与挖掘目标 客户关系管理是企业的核心问题，关键在于客户的分类：区别无价值客户，高价值客户，针对不同客户群体有的放矢投放具体服务方案，实现企业利润最大化的目标。 各大航空公司采取优惠措施喜迎更多客户，国内航司面对客户流失和资源未完全利用等危机，因此建立一个客户价值评估模 阅读全文
posted @ 2021-07-07 15:49
BabyGo000
阅读(899)
评论(0)
推荐(0)
摘要：
阅读提示 本文将进入数据挖掘与分析中较为困难的一部分———建模分析，将提到简单的分类预测实现方式，例如回归分析、决策树、人工神经网络等等。 目录 阅读提示 第五章 挖掘建模 一、分类与预测 1、实现过程 2、常见的分类与预测算法 3、回归分析 4、决策树 5、人工神经网络 6、Python分类预测模 阅读全文
posted @ 2021-07-07 15:47
BabyGo000
阅读(782)
评论(0)
推荐(0)
摘要：
阅读提示 本文将提到Python数据分析与挖掘中的 数据探索与数据特征分析 目录 阅读提示 一、数据探索 1、数据质量的分析 2、异常值的分析 3、一致性分析 二、数据特征分析 1、分步分析 2、对比分析 3、统计量分析 4、周期性分析 5、贡献度分析 6、相关性分析 一、数据探索 根据观测、调查收 阅读全文
posted @ 2021-07-07 15:44
BabyGo000
阅读(1393)
评论(1)
推荐(1)
摘要：
数据分析与可视化（一） 1.1 数据分析 1.1.1 数据、信息与数据分析 1.1.2数据分析与数据挖掘的区别 1.1.3数据分析的流程 1.2 数据可视化 1.3 数据分析与可视化常用工具 1.4 Python数据分析与可视化常用类库 1.1 数据分析 1.1.1 数据、信息与数据分析 数据 ： 阅读全文
posted @ 2021-07-07 15:42
BabyGo000
阅读(386)
评论(0)
推荐(0)
摘要：
首先说明一下本人不是王一博粉丝，也不讨厌王一博，只是最近在学习python数据分析，就随便找了一条微博转发量来分析一下，只是刚好抽中了王一博哈~ 但是有些时候的确令人疑惑，为什么wyb随随便便发一条微博（不管是推广还是自拍）都可以有一百万加的转发量，这有点强哈~~~所以今天我们就选一条微博爬取其转发 阅读全文
posted @ 2021-07-07 15:41
BabyGo000
阅读(1245)
评论(0)
推荐(0)
摘要：
说明：本文章为Python数据处理学习日志，主要内容来自书本《利用Python进行数据分析》，Wes McKinney著，机械工业出版社。 电影数据分析 所需文件在Day2中下载，接下来要用到的一些文件的文件格式如下： users.dat文件格式 1::F::1::10::48067 2::M::5 阅读全文
posted @ 2021-07-07 15:40
BabyGo000
阅读(100)
评论(0)
推荐(0)
摘要：
文章目录 1、明确需求和目的 2、数据收集 3、数据预处理 3.1 数据整合 3.1.1 加载相关库和数据集 3.1.2 数据概览 3.2 数据清洗 3.2.1 缺失值处理 3.2.2 异常值处理 3.2.3 多余记录的删除 3.2.4 重复值的处理 4、数据分析 4.1 总体情况分析 4.2 各维 阅读全文
posted @ 2021-07-07 15:39
BabyGo000
阅读(629)
评论(0)
推荐(0)
摘要：
数学名词 离散化和面元划分 ：就是分组，进行相应的计算 对于数据进行离散化和面元划分的前提条件是：连续变化的数据 例如下面是一组人的年龄数据，现在要按照年龄划分为不同年龄的4组（即把数据拆分为4个面元）， 分别为“18到25”、“25到35”、“35到60”及“60以上。为了实现分组，需要使用pan 阅读全文
posted @ 2021-07-07 15:37
BabyGo000
阅读(576)
评论(0)
推荐(0)
浙公网安备 33010602011771号