发表评论取消回复
相关阅读
相关 Python数据分析,数据清洗、异常处理案例分享
在Python数据分析中,数据清洗和异常处理是非常重要且常见的环节。下面我将为你分享一些具体的案例。 1. 数据清洗: - 示例一:缺失值处理 ```pyth
相关 特征工程系列:数据清洗
特征工程系列:数据清洗 本文为数据茶水间群友原创,经授权在本公众号发表。 关于作者:JunLiang,一个热爱挖掘的数据从业者,勤学好问、动手达人,期待与大家一起交流探
相关 Datawhale-数据分析-Task05 数据建模及模型评估
特征工程 缺失值填充 ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6
相关 Datawhale-数据分析-Task04 数据可视化
数据可视化 导入数据 ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6
相关 Datawhale-数据分析-Task03 数据重构
导入数据 ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLm
相关 动手学数据分析 Task02:数据清洗及特征处理
文章目录 动手学数据分析 Task02:数据清洗及特征处理 一、重点与思考 动手学数据分析 本次跟随Datawhale组织的
相关 Datawhale-数据分析-Task02 数据清洗及特征处理
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ub
相关 Datawhale-数据分析-Task01数据加载及探索性数据分析
PART 1:数据加载 1.1 载入数据 主要是对原数据(csv ,etc.)进行导入并处理,需要numpy和pandas这两个常用库。 1.1.1 导入num
相关 Datawhale -数据挖掘 - task 1 : 数据探索与分析
前言 要求:数据切分方式 - 三七分,其中测试集30%,训练集70%,随机种子设置为2018 任务1:对数据进行探索和分析。时间:2天 数据类型的分析 无关特征删
相关 Datawhale -数据挖掘 - task2:特征衍生+特征挑选
任务说明 特征衍生 特征挑选:分别用IV值和随机森林等进行特征选择 ……以及你能想到特征工程处理 特征衍生 特征衍生:利用个人(专家)经验来提取出数据里对
还没有评论,来说两句吧...