摘要：
说明：目前 只记录了 过采样 和 欠采样 的代码部分 1 样本分布不均衡描述： 主要出现在与分类相关的建模问题上，不均衡指的是不同类别的样本量差异非常大。 样本量差距过大会影响到建模结果 2 出现的场景： 异常检测：如恶意刷单、黄牛，这些数据样本所占的比例通常是整体样本中很少的一部分 客户流失：大型 阅读全文
摘要：
数据中包含日期、时间类型的数据可以通过 pandas 的 to_datetime 转换成 datetime 类型，方便提取各种时间信息 1 将 object 类型数据转成 datetime64 1> 导入数据 import pandas as pd car_sales = pd.read_csv(' 阅读全文
摘要：
【分类数据的处理】 问题： 在数据建模过程中，很多算法或算法实现包无法直接处理非数值型的变量，如 KMeans 算法基于距离的相似度计算，而字符串则无法直接计算距离 如： 性别中的男和女 [0,1] [1,0] 用户的价值度分为高、中、低 处理方法： 将字符串表示的 分类特征 转换成 数值 类型（哑 阅读全文