3.3.6 绘图操作.pdf-唐宇迪-人民邮电出版社
文本预览下载声明
076跟着迪哥学Python数据分析与机器学习实战Indata.resample(3D).mean().head()Out按月进行统计也是同理：Indata
显示全部
文档详情
相似文档
-
 3.3.5 时间操作.pdf-唐宇迪-人民邮电出版社
第3章数据分析处理库（Pandas）0733.3.5时间操作在机器学习建模中，从始至终都是尽可能多地利用数据所提供的信息，当然时间特征也不例外。当拿到一份时
-
 3.3.3 缺失值处理.pdf-唐宇迪-人民邮电出版社
第3章数据分析处理库（Pandas）067排序的时候，可以指定升序或者降序，并且还可以指定按照多个指标排序：Indata.sort_values(by=[g
-
3.3 常用函数操作.pdf-唐宇迪-人民邮电出版社
第3章数据分析处理库（Pandas）063通过level参数可以指定以哪项为索引进行计算。当level为0时，设置名为first的索引；当level为1时，设
-
 3.2.3 groupby操作.pdf-唐宇迪-人民邮电出版社
058跟着迪哥学Python数据分析与机器学习实战迪哥说：学习过程中可能会遇到有点儿看不懂某些参数解释的情况，最好的方法就是实际试一试，从结果来理解也是不错的选择。3.2.3g
-
 3.1.5 Series操作.pdf-唐宇迪-人民邮电出版社
048跟着迪哥学Python数据分析与机器学习实战下面来看几个常用的设置吧：In#注意这个是get，相当于显示当前设置的参数pd.get_option(di
-
 3.3.4 apply自定义函数.pdf-唐宇迪-人民邮电出版社
070跟着迪哥学Python数据分析与机器学习实战遇到缺失值不要紧，可以选择填充方法来改善，之后会处理实际数据集的缺失问题，这里只做简单举例：Indf.fill
-
 8.1.2 随机森林.pdf-唐宇迪-人民邮电出版社
166跟着迪哥学Python数据分析与机器学习实战8.1bagging算法集成算法有3个核心的思想：bagging、boosting和stacking，这几种集成策略还是非常好理解的，下面向大家逐一介绍。8.1.1并行的集成bagging即
-
 6.2.1 交叉验证.pdf-唐宇迪-人民邮电出版社
134跟着迪哥学Python数据分析与机器学习实战#得到所有正常样本的索引normal_indices=data[data.Class==0].index#在正
-
 10.1.3 连续值离散化.pdf-唐宇迪-人民邮电出版社
第10章特征工程22510.1.3连续值离散化连续值离散化的操作非常实用，很多时候都需要对连续值特征进行这样的处理，效果如何还得实际通过测试集来观察，但
-
 4.1.1 细节设置.pdf-唐宇迪-人民邮电出版社
086跟着迪哥学Python数据分析与机器学习实战4.1常规绘图方法首先导入工具包，一般用plt来当作Matplotlib的别名：Inimportmatplotlib.pyplotasplt%matplotlibinline指定魔法指令之
-
 14.1.2 数据集整合.pdf-唐宇迪-人民邮电出版社
第14章推荐系统项目实战—打造音乐推荐系统303虽然过滤后的数据样本个数不到原来的1/4，但是过滤掉的样本都是稀疏数据，不利于建模，所以，当拿到数据之后，对数据进行清洗和预处理工作还是非常有必
-
 6.3.2 混淆矩阵.pdf-唐宇迪-人民邮电出版社
144跟着迪哥学Python数据分析与机器学习实战现在已经完成建模和基本的调参任务，只看这个90%左右的结果，感觉还不错，但是，如果想知道模型的具体表现，需要再
-
20.2.1 词向量.pdf-唐宇迪-人民邮电出版社
432跟着迪哥学Python数据分析与机器学习实战challengetheAlertDetectiveAgencysbestmen.Shempisintopforminthefamousin-the-darkscene.EmilSitk
-
 2.4.6 文件读写.pdf-唐宇迪-人民邮电出版社
第2章科学计算库（Numpy）033这里每次都把种子设置成100，说明随机策略相同，无论执行多少次随机操作，其结果都是相同的。大家也可以选择自己喜欢的数字，不同的种子，结果是完全不同的。迪哥说：在对数据进行预处理时，经常加入新的操作或改变处
-
 4.1.2 子图与标注.pdf-唐宇迪-人民邮电出版社
090跟着迪哥学Python数据分析与机器学习实战OutInline=plt.plot(x,y)#alpha表示透明程度plt.setp(line,color=r,linewidth=2.0,alpha=0