1、皮尔逊(Pearson)相关系数1、协方差能完美的解释两个变量之间相关的方向，但在解释强度上却不太行，举个例子：每个变量都是有量纲的，这里假设变量x的量纲为距离，可以是米，也可以是千米，甚至可以是光年，针对协方差的量纲问题，统一除以同样的量纲就可以搞定。正态分布标准化需要除以标准偏差，标准偏差的量纲与变量一致，这样就可以消除量纲了。让每一个变量x与变量x的均值的差，都除以x的标准偏差Sx，变量

决策树学习与总结 （ID3, C4.5, C5.0, CART）1. 什么是决策树2. 决策树介绍3. ID3 算法信息熵信息增益缺点4. C4.5算法5. C5.0算法6. CART算法基尼指数 Gini指标7. 连续属性离散化8. 过拟合的解决方案9. 例子1 - 脊椎动物分类10. 例子21. 准备数据及读取2. 决策树的特征向量化3. 决策树训练4. 决策树可视化5 预测结果...

目录单个json转csv文件并保存多个json文件转CSV文件并保存知识点：json读操作split(".")[0]表示分割".",[0]表示取第一个单个json转csv文件并保存import jsonimport pandas as pdjson1="C:/Users/S/Desktop/不同数据集U_RATIO(BP)/json/1.json"with open(json1, 'r', enc

seaborn简介seaborn是基于matplotlib的数据可视化库。它在matplotlib的基础上，进行了更高级的封装，从而使得绘图更加容易，不需要经过大量的调整，就能使图像变得精致。seaborn的几个鲜明特点如下：>绘图接口更加集成，可以通过少量的参数设置实现大量封装绘图。>多数图表具有统计学含义，例如分布、关系、统计、回归等>对pandas和numpy数据类型支持非

import happybaseconnection = happybase.Connection('hostname')table = connection.table('table-name')table.put(b'row-key', {b'family:qual1': b'value1',b'family:qual2': b'value2'})row = table.row(b'row-k