随笔分类 - databook
数据采集
摘要：在数据可视化领域，面积图是一种强大而直观的工具，它通过填充线条与坐标轴之间的区域来量化数据大小， 从而帮助我们清晰地展示数据的总量、趋势变化以及不同类别之间的对比。 无论是分析随时间变化的累积量，还是对比多类别的数据占比，面积图都能以简洁而直观的方式呈现复杂的数据关系。 本文主要介绍Plotly面积
阅读全文
摘要：在机器学习中，决策树算法因其简单易懂、可解释性强而被广泛应用。 然而，现实世界中的数据往往复杂多变，尤其是连续值和缺失值的存在，给决策树的构建带来了诸多挑战。 连续值（如年龄、收入）无法直接用于决策树的离散分裂点，需要转化为“离散区间”。 缺失值（如用户未填写的问卷项）可能导致信息损失或模型偏差。
阅读全文
摘要：在机器学习的世界里，决策树是一种简单而强大的算法，但它的 “任性生长” 却常常让数据科学家陷入 “过拟合的困境”。 想象一下，一棵决策树如果无限生长，它可能会完美地拟合训练集中的每一个数据点，但当面对新的数据时，却可能表现得像一个“陌生人”——预测完全失效。 这种现象背后的原因在于模型过于复杂，对训
阅读全文
摘要：在机器学习的广阔森林中，决策树（Decision Tree）是一棵独特而强大的“智慧树”。 它是一种监督学习算法，既可以用于分类任务，也能用于回归任务，通过树形结构模拟人类决策过程。 这篇文章会带你了解决策树，从基础概念开始，一步步讲解如何构建决策树、常用的算法以及它的实际应用。 1. 概述 决策树
阅读全文
摘要：在数据科学的世界里，直方图是一种不可或缺的可视化工具，它以其简洁而直观的方式，揭示了数据的内在规律，为数据分析和决策提供了有力支持。 它能够帮助我们快速识别异常值，并为统计推断提供有力支撑。 无论是对称的钟型分布，还是偏态的长尾分布，直方图都能清晰地呈现出来。 通过观察直方图的形状，我们可以了解数据
阅读全文
摘要：在数据可视化领域，箱线图（Box Plot）是一种强大的工具，用于展示数据的分布特征、集中趋势以及异常值。 它不仅能够快速揭示数据的偏态、离散程度，还能帮助我们识别潜在的数据问题。 本文将从基础绘制到业务实战，系统讲解如何用 Plotly 构建交互式箱线图，并掌握其在异常值检测、多组对比分析中的核心
阅读全文
摘要：在数据分析的世界里，散点图是一种极为重要的可视化工具。 它能够直观地展示两个或多个变量之间的关系，帮助我们快速发现数据中的模式、趋势和异常点。 无论是探索变量之间的相关性，还是寻找数据中的潜在规律，散点图都扮演着不可或缺的角色。 与传统的静态图表不同，Plotly 绘制的散点图可以通过鼠标悬停、缩放
阅读全文
摘要：在机器学习领域，数据是模型训练的基础，而数据的分布情况往往会对模型的性能产生重要影响。 不平衡样本数据是我们在实际项目中经常会遇到的问题，它可能导致模型对多数类过度拟合，而对少数类的预测能力不足。 本文将详细介绍不平衡样本数据的常见场景、处理方法以及在实践中需要注意的问题，帮助你在模型训练前有效地进
阅读全文
摘要：在机器学习的世界里，分类问题无处不在，而多分类问题更是其中的常见挑战。 无论是识别手写数字、分类新闻主题，还是预测客户购买的产品类别，多分类问题都扮演着重要角色。 线性模型，以其简洁高效的特点，成为了应对多分类问题的有力工具之一。 本文将探讨线性模型解决多分类问题的原理、策略以及优缺点，并通过代码示
阅读全文
摘要：在机器学习领域，线性判别分析（Linear Discriminant Analysis，简称LDA）是一种经典的算法，它在降维和分类任务中都表现出色。 LDA通过寻找特征空间中能够最大化类间方差和最小化类内方差的方向，实现数据的降维和分类。 本文主要介绍LDA的基本原理，展示其如何解决分类问题，以及
阅读全文
摘要：在数据科学领域，线性模型和广义线性模型是两种基础且重要的统计工具， 它们被广泛应用于各种预测和分析任务中，从简单的回归问题到复杂的分类场景。 今天，让我们深入探讨这两种模型，了解它们的原理、区别以及实际应用。 1. 线性模型：统计分析的基石 线性模型是统计学中最早被提出和广泛应用的一类模型。 其基本
阅读全文
摘要：在数据可视化的世界里，饼图是最直观的展示比例关系的工具之一。 然而，传统的静态饼图已经无法满足现代数据分析的需求。Plotly作为一款强大的可视化库，不仅提供了饼图丰富的基础功能，还支持交互效果和动态更新等高级特性。 本文我们将深入探讨Plotly在饼图绘制上的高级功能，包括交互效果和动态更新等技巧
阅读全文
摘要：在数据可视化的世界里，饼图是一种直观且广泛使用的图表类型。 它能够将数据各个部分占整体的比例关系清晰地展现出来，适用于诸如市场占有率分析、调查结果分布、预算分配等多个领域。 饼图以扇形面积比例直观展示数据分布，适合用于： 分类数据的占比分析（如市场份额、用户画像） 少量数据的对比呈现（≤6 个分类最
阅读全文
摘要：在机器学习领域，我们常常需要在多个模型之间进行比较，以选择最适合特定任务的模型。 模型比较检验为此提供了科学的依据和方法。 本文将探讨比较检验的概念、方法、区别与适用范围，并结合scikit-learn库给出具体的代码示例。 1. 什么是比较检验 比较检验，又称比对检验，是指通过比较不同模型（或算法
阅读全文
摘要：在机器学习领域，模型的泛化性能度量是评估模型在未知数据上表现的关键环节。 通过合理的性能度量，不仅能了解模型的优劣，还能为模型的优化和选择提供科学依据。 本文将深入探讨泛化性能度量的重要性、各种度量方法、它们之间的区别与适用场景，并通过scikit-learn代码示例来展示如何实现这些度量方法。 1
阅读全文
摘要：在机器学习的流程中，数据集的合理划分是模型训练与评估的关键前提。 恰当的划分方式不仅能有效利用数据资源，还能确保模型评估结果的可靠性，为模型的泛化能力提供有力保障。 本文将深入介绍3种常见的数据集划分方法：留出法、交叉验证法和自助法，并配以scikit-learn的代码示例来说明如何使用这些方法。
阅读全文
摘要：在数据可视化的世界里，柱状图是一种直观且强大的工具，用于展示数据的分布、比较和趋势。 从基础的柱状图出发，我们可以进一步探索更复杂的图表类型，如分组柱状图和堆积柱状图，它们在处理多维数据和复杂关系时具有独特的优势。 本文将深入探讨如何使用Plotly库绘制这些高级柱状图，掌握这些技巧将使你在数据可视
阅读全文
摘要：柱状图作为最基础的数据可视化形式之一，能直观展示不同类别数据的对比关系，适用于一下的场景： 比较不同类别之间的数据大小，如不同产品的销售额对比。 展示数据的分布情况，如各年龄段的人口数量分布。 分析时间序列数据的变化趋势，如某公司近几年的利润变化。 今天，我们就来深入探索Plotly柱状图的绘制基础
阅读全文
摘要：上一篇介绍了Plotly绘制折线图的基础知识和数据预处理的技巧， 本文将重点探讨如何利用Plotly实现多线折线图的布局设计以及动态折线图的实现， 让我们一起掌握进阶的折线图绘制技巧。 1. 多折线图布局 在实际的数据分析场景中，常常需要同时展示多组数据，例如对比不同产品的销售趋势、不同地区的温度变
阅读全文
摘要：在数据分析的世界中，折线图是一种不可或缺的可视化工具。 它能够清晰地展示数据随时间或其他变量的变化趋势，帮助我们快速发现数据中的模式、趋势和异常。 无论是金融市场分析、气象数据监测，还是业务增长趋势预测，折线图都能以直观的方式呈现关键信息。 本文将从基础开始，介绍如何使用Plotly库来绘制折线图，
阅读全文
浙公网安备 33010602011771号