数据分析和挖掘实战第15章的一段读取.txt文件报错 import pandas as pd inputfile = 'data/meidi_jd.txt' outputfile = 'da ...

所需模块 numpy、pandas 相关系数计算 首先使用numpy.mean()方法求出均值，Xsd=numpy.std()方法求出标准差； 然后在通过(X-Xmean)/Xsd公式求出z分 ...

概念 聚类分析：是按照个体的特征将它们分类，让同一个类别内的个体之间具有较高的相似度，不同类别之间具有较大差异性 无分类目标变量(Y)——无监督学习 K-Means划分法、DBS ...

1、使用scatter_matrix判断个特征的数据分布及其关系 散步矩阵(scatter_matrix) Pandas中散步矩阵的函数原理 参数如下： frame:(Da ...

概念 随机森林(RandomForest)：随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别数输出的类别的众数而定 优点：适合离散型和连续型的属性数据；对海量数据，尽量避免 ...

简单线性回归 步骤： 1、读取数据 2、画出散点图，求x和y 的相关系数：plt.scatter(x,y),x和y是dataframe 3、估计参数模型，建立回归模型：lrModel=Line ...

概念 针对因变量为分类变量而进行回归分析的一种统计方法，属于概率型非线性回归 　　优点：算法易于实现和部署，执行效率和准确度高 　　缺点：离散型的自变量数据需要通过生成虚拟变量的方式来使用 ...

如何选择特征 根据是否发散及是否相关来选择 方差选择法 先计算各个特征的方差，根据阈值，选择方差大于阈值的特征 方差过滤使用到的是VarianceThreshold类，该类有个参数thresh ...

概念： 神经网络：全称为人工神经网络，是一种模仿生物神经网络（动物的中枢神经系统，特别是大脑）的结构和功能的数学模型或计算模型 生物神经网络：神经细胞是构成神经系统的基本单元，称为生物神经元，简称 ...

使用sklearn包 CountVectorizer是通过fit_transform函数将文本中的词语转换为词频矩阵 get_feature_names()可看到所有文本的关键字 voc ...