内容分为四个部分：　　　　第一部分：数据读取与展示　　　　第二部分：特征理解分析　　　　第三部分：数据清洗与预处理　　　　第四部分：建立模型

数据挖掘实战 （2）：数据预处理第一部分:第4章数据预处理4.1数据清洗4.1.1缺失值处理4.1.2异常值处理4.2数据集成4.2.1实体识别4.2.2冗余属性识别4.3数据变换4.3.1简单函数变换4.3.2规范化4.3.3连续属性离散化4.3.4属性构造4.3.5小波变换4.4数据规约4.4.1属性规约4.4.2数值规约4.5 Python主要数据预处理函数4.6小结

处理IDEA 找不到 git.exe : Cannot Run Git File not found: git.exe

可以利用Excel进行简单的数据分析，写数据报表时也会运用到，针对案例，使用Excel的部分功能来实现以下目标。

可以利用Excel进行简单的数据分析，写数据报表时也会运用到，针对案例，使用Excel的部分功能来实现以下目标。

目录:1 Concept (相关概念)2函数间隔及几何间隔3如何间隔最大化4学习算法最大间隔法5学习的对偶算法

1.前言2. SVM异常点问题3.线性分类SVM的软间隔最大化4.拉格朗日对偶化5. Hinge损失函数6.总结

本文介绍SVM的核函数技术，能够顺利的解决非线性的问题。样本在原始空间线性不可分时，可将样本从原始空间映射到一个更高维的特征空间，使得样本在这个特征空间内线性可分。

新书《基于PyTorch的自然语言处理》的详细笔记！

1.前言2.感知机的原理2.1点到线的距离2.2样本到超平面距离2.2超平面(Hyperplanes)3.感知机模型3.1感知机的损失函数3.2为什么可以不考虑4.感知机学习算法4.1原始形式算法4.2对偶形式算法5.小结