摘要：贝叶斯公式 条件概率的展开、转化 关联规则分析 支持度、置信度、提升度 KULC IR 聚类 聚类之间类的度量是分距离和相似系数来度量的 距离 距离用来度量样品之间的相似性（k means聚类，系统聚类中的Q型聚类） 相似系数 相似系数用来度量变量之间的相似性（系统聚类的R型聚类） 最常用的是k m 阅读全文

摘要：csv文件在数据分析方面应用非常广泛，但是有的时候我们获取的是xls或者xlsx文件，这时我们需要处理一下。 见下面的程序： 以上程序就可以得到csv文件，并转为DataFrame格式。 如果从网上下载后利用这段程序发现出现“Workbook corruption: seen[3] == 4”这种错 阅读全文

摘要：在数据的预处理中经常会遇到特征工程，这里做一下笔记。 数据的拼接 特征工程最好针对所有数据，也就是训练集和测试集都要进行特征工程的处理，因此第一步可以是将两个数据集拼接，注意要处理好index的关系。 可以使用pandas的concat函数，如 拼接完后去掉train数据集中的标签值，因为这一项我们 阅读全文

摘要：##组合查询 SQL允许执行多个查询（多条SELECT语句），并将结果作为一个查询结果输出。组合查询通常称为并（union）或复合查询。 有两种情况需要使用组合查询： 1、在一个查询中从不同的表返回结构数据 2、对一个表执行多个查询，按一个查询返回数据。 例子： SELECT cust_name,c 阅读全文