参考并推荐：菜菜的sklearn课堂：http://edu.cda.cn/course/982目录1.归一化：preprocessing.MinMaxScaler1.1实战部分：1.2实战部分：numpy实现归一化2.标准化 preprocessing.StandardScaler2.1实战部分3.汇总4.缺失值处理4.1实战部分4.2实战部分：panda...

本文包括以下几部分数据筛选数据统计空值/NaN处理字符类型处理时间序列类型处理数据筛选按照筛选方式的不同，可以将数据筛选分为以下两种：两者的区别在于前者返回满足条件的数据，后者将不满足条件的以NaN值填充。使用表达式/布尔值筛选，即直接在“下标”中写出过滤条件，返回满足条件的数据。使用where()方法筛选数据，通过DataFrame.where(表达式) 可以筛选出满足条件的数据，同时不满足表达

Pandas数据分析(上)｜一文读懂Series和DataFrame

参考并推荐：菜菜的sklearn课堂：http://edu.cda.cn/course/982目录1.归一化：preprocessing.MinMaxScaler1.1实战部分：1.2实战部分：numpy实现归一化2.标准化 preprocessing.StandardScaler2.1实战部分3.汇总4.缺失值处理4.1实战部分4.2实战部分：panda...

目录简单理论介绍kNN算法之约会网站配对（Python）scikit-learn实现简单理论介绍K最近邻（k-Nearest Neighbor，KNN）分类算法应该是最简单的机器学习算法了。它采用测量不同特征值之间的距离方法进行分类。它的思想很简单：与它附近的k个样本比较，与它最相似（即特征空间中最邻近）的这K个样本中，大多数属于某一个类别，则该样本就属于这个类别。对于两个...

目录sklearn的基本建模流程分类树：DecisionTreeClassifier重要参数criterion实战部分重要接口七个参数：分类树与回归数参数对比回归数DecisionTreeRegressor实战部分：sklearn.tree模块tree.DescisionTreeClassifier分类树tree.Descision...

目录理论基础知识基本思想贝叶斯模型手动计算实例一：实战项目--屏蔽社区留言板的侮辱性言论Python版本Scikit-learn版本One more thing1.连续特征的处理方式2.零概率问题--拉普拉斯平滑理论基础知识贝叶斯与大多数机器学习算法不同，如：决策树，逻辑回归，支持向量机等都是判别方法，也就是直接学习出特征输出Y和特征X之间的...

目录随机森林 RandomForestClassifier参数实战部分试验一试验二：n_estimators学习曲线ensemble模块ensemble.AdaBoostClassifierAdaBoost分类ensemble.AdaBoostRegressorAdaboost回归ensemble.RandomForestClassi...

目录简单理论介绍kNN算法之约会网站配对（Python）scikit-learn实现简单理论介绍K最近邻（k-Nearest Neighbor，KNN）分类算法应该是最简单的机器学习算法了。它采用测量不同特征值之间的距离方法进行分类。它的思想很简单：与它附近的k个样本比较，与它最相似（即特征空间中最邻近）的这K个样本中，大多数属于某一个类别，则该样本就属于这个类别。对于两个...

线性回归岭回归（Ridge）Lasso回归线性回归线性回归模型方程形式：矩阵形式：线性回归的任务就是要构造一个预测函数来映射，输入的特征矩阵和标签的线性关系。这个预测函数的本质就是我们需要构建的模型，而构造预测函数的核心就是找出模型的参数向量 。损失函数：是样本i的真实标签，是预测标签。从损失函数可以看出其实这就是L2范式的平方。L2范...