df=pd.DataFrame()a=[1,1,1,2,2,]b=['red','red','green','red','blue']df['a']=adf['b']=bdf.groupby('a').agg(lambda x: x.value_counts().index[0]).reset_index() 

from surprise import KNNBasic,SVDfrom surprise import Datasetfrom surprise import evaluate, print_perf# http://surprise.readthedocs.io/en/stable/index.html# http://files.grouplens.org/datasets/mov...

这是之前做过的项目实践，现在从头整理一下，再复习梳理清楚整个流程，信用卡欺诈检测，又叫异常检测。我们可以简单想一下，异常检测无非就是正常和异常，任务一个二分类任务，显然正常的占绝大部分，异常的只占很少的比例，我们要检测的就是这些异常的。明确了我们的任务后，我们要进行二分类的处理了。简要说明一下我们拿到的数据集是经过银行初步、筛选拿到的数据集，因为基于银行数据会有相关隐私这个也是可以理解的，但这个不

继昨天夜里构建的三层神经网络的惨淡的精确度，接下来构建卷积神经网络去干这个10分类的任务，效果会怎么样呢？还是很棒的import numpy as npimport tensorflow as tfimport matplotlib.pyplot as pltimport input_datamnist = input_data.read_data_sets('data/', one_ho...

!/usr/bin/python# -*- coding:utf-8 -*-from gensim import corpora, models, similaritiesfrom pprint import pprint# import logging# logging.basicConfig(format='%(asctime)s : %(levelname)s : %(mes...

#pythonnoaa=pd.read_csv('c:\python\a.csv')#SASproc import datafile='c:\python\a.csv' out=noaa dbms=csv replace;#pythonnoaa.head(5)len(noaa)#SASproc print data=noaa(obs=5);#因为在SAS里观测的数目直接输出在...

# !/usr/bin/python# -*- coding:utf-8 -*-import numpy as npimport matplotlib.pyplot as pltimport matplotlib as mplimport ldaimport lda.datasetsfrom pprint import pprintif __name__ == "__main...