摘要： 在scikit-learn中，提供了3中朴素贝叶斯分类算法：GaussianNB(高斯朴素贝叶斯)、MultinomialNB(多项式朴素贝叶斯)、BernoulliNB(伯努利朴素贝叶斯) 简单介绍： 高斯朴素贝叶斯：适用于连续型数值，比如身高在160cm以下为一类，160-170cm为一个类，则 阅读全文

摘要： 1. 别名 "'{}' as x{},\n".format(name[i], str(i+1)) 阅读全文

摘要： 特征筛选的方法主要包括：Filter（过滤法）、Wrapper（封装法）、Embedded（嵌入法） filter: 过滤法 特征选择方法一：去掉取值变化小的特征（Removing features with low variance） 方法虽然简单但是不太好用，可以把它作为特征选择的预处理，先去掉 阅读全文

摘要： 参考资料：python机器学习库sklearn——DBSCAN密度聚类, Python实现DBScan import numpy as np from sklearn.cluster import DBSCAN from sklearn import metrics from sklearn.dat 阅读全文

摘要： apriori算法 参考链接： https://www.cnblogs.com/pinard/p/6293298.html https://www.cnblogs.com/lsqin/p/9342926.html https://blog.csdn.net/antkillerfarm/article 阅读全文

摘要： 卡方分箱 卡方分箱原理 数据分析与数据挖掘之四大分布三大检验 python自带分箱函数 -- 无法实现对分类型数据的分箱，可借助卡方分箱算法实现 阅读全文

摘要： 如果想按照自己的方式排序ind = 行索引data= data[ind] ind = data.sum(axis=1).sort_values(ascending=False).index data = data.loc[ind,:] data.reset_index() 注意：有时候 reset_ 阅读全文

摘要： 数据集中的异常数据通常被成为异常点、离群点或孤立点等，典型特征是这些数据的特征或规则与大多数数据不一致，呈现出“异常”的特点，而检测这些数据的方法被称为异常检测。 异常数据根据原始数据集的不同可以分为离群点检测和新奇检测： 离群点检测(Outlier Detection) 大多数情况我们定义的异常数 阅读全文

摘要： 1. 列表 #以下三式等价 c = (a>b and a or b) c = a if a>b else b c = [b, a][a>b] 字符串拼接 ' + '.join('%s,%s'%(a,b) for a,b in zip(list('abc'), range(3))) 'a,0 + b, 阅读全文

摘要： 常用函数 1、select ename, sal * 12 from emp; --计算年薪 2、select 2*3 from dual; --计算一个比较纯的数据用dual表 3、select sysdate from dual; --查看当前的系统时间 4、select ename, sal* 阅读全文