前言 使用的相关数据链接如下： 点我跳转 代码 连续值预处理 1 2 3 4 5 6 7 8 9 10 import pandas as pd data = pd.read_csv("Narrativedata.csv" ,index_col=0 )#index_col=0将第0列作为索引，不写则认

随机森林填补缺失值(实测回归比较好) 1 2 3 4 5 %matplotlib inline from sklearn.tree import DecisionTreeClassifier from sklearn.ensemble import RandomForestClassifier#随机森林分类树 from sklearn.datasets import load_wine from sklearn.model_selection import train_test_split

前言 使用的相关数据链接如下： 点我跳转 数据预处理 无量纲化 1 2 #归一化 收到0~1之间 #正则化不是归一化 1 2 3 4 5 6 7 8 from sklearn.preprocessing import MinMaxScaler data = [[-1, 2], [-0.5, 6], [0, 10], [1,

前言 数据集来自kaggle 链接：https://www.kaggle.com/c/titanic/data 里面的test和train的csv

代码 1 2 3 from sklearn import tree from sklearn.datasets import load_wine from sklearn.model_selection import train_test_split 1 wine = load_wine() 1 wine.data.shape (178, 13) 1 wine.target array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,

代码 1 2 3 4 5 import numpy as np import matplotlib.pyplot as plt from sklearn import datasets from sklearn.model_selection import train_test_split #分割训练集和测试集 from sklearn.neighbors import KNeighborsClassifier #K近邻 简单案例 1 2 3 iris=datasets.load_iris() iris_X = iris.data iris_y=iris.target 1 iris_X[:2,:]#四个属

代码 1 2 3 import numpy as np from sklearn.tree import DecisionTreeRegressor #回归树 import matplotlib.pyplot as plt 1 2 3 #生成噪声曲线 rng = np.random.RandomState(1) rng.rand(2,3)#生成区分行列的二维数据，一维数据不分行列，生

我的前提条件，实际能使用jupyternotebook都可 Ubuntu 20.0系统 miniconda3和jupyter 直接通过jupyter noteb

新型冠状病毒（COVID-19/2019-nCoV）疫情分析 源文档详见：博客相关资源-新冠疫情数据分析文件 重要说明 分析文档：完成度：代码质量

前言 帮舍友整的，不知道具体实际意义。 代码 1 2 3 4 5 import numpy as np import pandas as pd data = pd.read_excel(r'C:\Users\祈LHL\D