数据：某公司A,B产品在2018年1,2,3月的销量数据，数据格式为xlsximport numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom sklearn.linear_model import LinearRegressionimport os% matplotlib inline1、批量读取数据，并输出以下信息（

气泡图与散点图使用的是同一个函数，这里对所涉及的参数进行补充说明。● text：列表，元素为相应节点的悬浮文字内容。● marker：数据节点参数，包括大小、颜色、格式等，有如下设置 项。➢ size：列表，元素为相应节点的尺寸大小。➢ sizeref：缩放的比例，如设置为2，则缩小为原来的1/2。➢ sizemode：缩放的标准，默认以 diameter（直径）缩放，也可选 择以 ar...

PeriodIndex可把分段的时间段合并成一个字段periods=pd.PeriodIndex(year=data[“year”],month=data[“month”],day=data[“day”],hour=data[“hour”],freq=“H”)时间段降采样data = df.set_index(periods).resample(“10D”).mean()不同城市pm2.5...

京东订单数据介绍● 2020年5月25日● 10%抽样数据● 大家电-家用电器-冰箱● 70k+用户属性user_log_acct用户账号user_site_city_id用户城市IDuser_site_province_id用户省份IDuser_lv_cd用户等级订单属性sale_ord_id订单IDsale_ord_tm订单创建时间sale_ord_valid_flag订单是否有效cancel

1 .逻辑回归模型：个性化推荐系统个性化推荐系统是充分根据用户历史行为、地理位置、社交关系等推荐一些用户想要的个性化结果。推荐的核心问题是如何发现用户对潜在商品的偏好，在用户没有明确意图的情况下，帮助用户发现自己偏好的商品。个性化推荐系统在互联网行业非常普遍：比如音乐推荐、电影推荐、性化阅读推荐、社交网络好友推荐、朋友圈推荐以及基于位置的服务推荐等。据统计，Netflix有60%多的电影因推荐而被

pandas groupby对数据进行处理 并可视化# coding=utf-8import pandas as pdfrom matplotlib import pyplot as pltfrom matplotlib import font_managermy_font = font_manager.FontProperties(fname="/Library/Fonts/Song...

复购指标算法

import pandas as pdimport jieba#pip install jieba数据源：http://www.sogou.com/labs/resource/ca.phpdf_news = pd.read_table('./data/val.txt',names=['category','theme','URL','content'],encoding='utf-8')...

特征工程和数据清洗当我们得到一个具有特征的数据集时，是不是所有的特性都很重要？可能有许多冗余的特征应该被消除，我们还可以通过观察或从其他特征中提取信息来获得或添加新特性。年龄特征：正如我前面提到的，年龄是连续的特征，在机器学习模型中存在连续变量的问题。如果我说通过性别来组织或安排体育运动，我们可以很容易地把他们分成男女分开。如果我说按他们的年龄分组，你会怎么做？如果有30个人，可能有30...

激活函数：tf.nn.relu(features, name=None)features:卷积后加上偏置的结果return:结果卷积层：tf.nn.conv2d(input, filter, strides=, padding=, name=None)计算给定4-Dinput和filter张量的2维卷积input：给定的输入张量，具有[batch,heigth,width,chan...