若按照书上代码运行会出现如下报错（这是因为代码在截取数据时将属性值转为了矩阵）：
AttributeError: 'numpy.ndarray' object has no attribute 'columns'
解决办法：
方法一：添加代码：x=pd.DataFrame(x)
方法二：将代码：
x=data.iloc[:,:3].as_matrix().astype(int)
y=data.iloc[:,3].as_matrix().astype(int)
改成：
x=data.iloc[:,:3].astype(int)
y=data.iloc[:,3].astype(int)
总体
2022-03-31 18:30:01
108KB
1
在上一篇博文Python数据分析（8）—-用python实现数据分层抽样中，实现了实验数据的抽取，那么在本文中，将用上述抽取到的数据进行实验，也就是用决策树进行分类。 在讲解实际的决策树分类之前，需要介绍一下决策树分类的sklearn中决策树模型参数释义：
'''
scikit-learn中有两类决策树，它们均采用优化的CART决策树算法。
（1）回归决策树：DecisionTreeRegressor()
（2）分类决策树：DecisionTreeClassifier()
'''
from sklearn.tree import DecisionTreeRegressor
'''
回归决策树
2022-03-30 13:41:40
103KB
1
引言
数据预处理时，异常值的存在可能对最终建立的模型的精度和泛化能力有较大的影响。检测异常值的方式有很多，最基本的两种方法为 z 分数法和上下截断点法。
对 z 分数法还存在些许疑虑的可查看如下博文
统计学： Z 分数 & 正态分布 (附 Python 实现代码) –Z 检验先修; Z 分数与正态分布两者关系; Z 分数与百分位数的异同；面试要点（以心理学实验为舟）
本文针对这两种方法，构造自写库，最终实现函数的快捷调用，在很大程度上提高了数据预处理的效率。
效果展示(Jupyter notebook)
一行代码快速绘图查看房价分布情况
如何一步到位的画出复杂精美的图片可以参考
2022-03-17 16:25:29
433KB
1
本课程使用 Python 编程语言，以电商数据为案例，对其进行系统完整的分析。
首先会简单回顾 Python 和 Pandas 的基本用法，然后介绍数据分析的基本流程和电商数据分析的常见框架，并从订单、商品、用户等多个维度对电商数据进行分析，最后再结合 RFM 模型和 K 均值聚类算法，对用户进行聚累分析。
2022-03-16 11:02:02
26.28MB
1
《python数据分析与挖掘实战》-张良均，第一章总结的读书笔记
记录我的学习之旅，每份文档倾心倾力，带我成我大牛，回头观望满脸笑意，望大家多多给予意见，有问题或错误，请联系 我将及时改正；借鉴文章标明出处，谢谢
2022-03-09 21:13:20
20KB
1
数据城堡举办的“大学生助学金精准资助预测” 比赛文档，数据与代码，数据分析为两组，分别是训练集和测试集，每一组都包含约1W+学生的记录，总数据集超10W+，非常适合练手数据分析与人工智能项目（代码主要是Python，Pandas实现）。
2022-02-14 09:11:50
313.1MB
Python数据分析与机器学习实战课程，全套14.17G，仅有免密视频，课程目录：
01 人工智能入门指南
02 科学计算库-numpy
03 数据分析处理库-Pandas
04 可视化库-Matplotlib
05 机器学习入门算法实战-K近邻
06 线性回归算法
07 梯度下降与逻辑回归算法
08 项目实战：信用卡欺诈检测
09 决策树算法
10 随机森林与集成算法
11 项目实战-基于随机森林的气温预测
12 贝叶斯算法
13 项目实战-基于贝叶斯的新闻分类任务
14 无监督聚类-Kmeans算法
15 无监督聚类-DBSCAN算法
16 降维算法-PCA主成分分析
17 降维算法-线性判别分析
18 支持向量机SVM
19 Xgboost提升算法
20 项目实战-Xgboost调参实战
21 探索性数据分析-赛事数据集
22 时间序列ARIMA模型
23 时间序列实战
2022-02-11 22:01:24
85B