随笔分类 -  Data

区间映射到区间 in Python
摘要：问题 需要情形下，需要将一个区间映射到另一个区间。如将0 1映射到10 32之间，应该如何设计算法？ 场景1 比如某大学教师在学校规定的挂科机率下进行期末考试，如果学生都考得很差，那么他就需要根据适当的形式去调整学生的成绩。 比如，学生的成绩普遍较差，分布在20分到65分之间，那么需要映射到55 1 阅读全文
posted @ 2020-04-19 02:10 何大卫 阅读(4580) 评论(0) 推荐(0)
租售比计算 in Python
摘要：背景 租售比是指 每平方米使用面积的月租金 与 每平方米建筑面积的房价之间 的比值 代码 python def RSR(r,a,p): """租售比评价 Attribute: r 每月总租金 a 房屋总建筑面积 p 房屋每平方米价格 注：租售比是指 与 的比值，一般而言， 1:200~1:300；良 阅读全文
posted @ 2020-04-02 09:08 何大卫 阅读(600) 评论(0) 推荐(0)
sklearn 缺失值填补（总结）
摘要：首先查看数据形态： 再查看数据类型和非空值的个数与比例 使用SimpleImputer进行填补 默认是用均值进行填补，参数如下： missing_values: 空值的类型。默认np.nan 注意，numpy自带的fillna只能填补np.nan，而此处则可以指定空值的类型。比如 或 strateg 阅读全文
posted @ 2018-12-22 12:27 何大卫 阅读(4783) 评论(0) 推荐(1)
Python KNN 学习曲线
摘要：学习曲线的目的是选择更好的模型参数。以最近邻算法为例，选取最近的多少个数据点，才能达到最优。可以控制训练集不动，调整最近的点的个数，绘制学习曲线。 结果： 可以找出最大值所在的索引，找出最佳的k值选择点： 输出： 8 0.935672514619883 阅读全文
posted @ 2018-12-06 20:56 何大卫 阅读(931) 评论(0) 推荐(0)
sklearn连续型数据离散化
摘要：二值化 设置一个condition，把连续型的数据分类两类。比如Age，大于30，和小于30。 这是x中 30的设置为1，其他的设置为0. 标签 有时数据可能需要对数据进行分箱化处理，或者给不同的数据设置不同的标签。 可以在l对象，用classes_属性，查看总共有多少类。 label中就是处理过的 阅读全文
posted @ 2018-11-30 13:38 何大卫 阅读(2332) 评论(0) 推荐(0)
sklearn KMeans聚类算法（总结）
摘要：基本原理 Kmeans是无监督学习的代表，没有所谓的Y。主要目的是分类，分类的依据就是样本之间的距离。比如要分为K类。步骤是： 1. 随机选取K个点。 2. 计算每个点到K个质心的距离，分成K个簇。 3. 计算K个簇样本的平均值作新的质心 4. 循环2、3 5. 位置不变，距离完成 距离 Kmean 阅读全文
posted @ 2018-11-07 18:40 何大卫 阅读(19713) 评论(0) 推荐(2)
以KNN为例用sklearn进行数据分析和预测
摘要：准备 相关的库 相关的库包括： numpy pandas sklearn 带入代码如下： 数据准备 数据是sklearn的乳腺癌数据。 data主要分为两部分： 和`target DataFrame`中可查看基本形状。 的数据其形式比较固定， 的主要属性有： 。数据，即变量的值，多行多列 。目标，即 阅读全文
posted @ 2018-08-08 20:01 何大卫 阅读(2697) 评论(0) 推荐(0)