数据挖掘导论——分类与预测（三）
年龄与PClass以及存活率的关系：f,ax=plt.subplots(1,3,figsize=(20,8)) sns.distplot(data[data['Pclass']==1].Fare,ax=ax[0]) ax[0].set_title('Fares in Pclass 1') sns.d...
数据挖掘导论——分类与预测（二）
完成填充之后，查看填充的结果f,ax=plt.subplots(1,2,figsize=(20,10)) data[data['Survived']==0].Age.plot.hist(ax=ax[0],bins=20,edgecolor='black',color='red&#...
数据挖掘导论——分类与预测（一）
实验内容背景介绍泰坦尼克号于1909年3月31日在爱尔兰动工建造，1911年5月31日下水，次年4月2日完工试航。她是当时世界上体积最庞大、内部设施最豪华的客运轮船，有“永不沉没”的美誉。然而讽刺的是，泰坦尼克号首航便遭遇厄运：1912年4月10日她从英国南安普顿出发，途径法国瑟堡和爱尔兰昆士敦，驶...
数据挖掘二手车价格预测 Task05：模型融合
模型融合是kaggle等比赛中经常使用到的一个利器，它通常可以在各种不同的机器学习任务中使结果获得提升。顾名思义，模型融合就是综合考虑不同模型的情况，并将它们的结果融合到一起。模型融合主要通过几部分来实现：从提交结果文件中融合、stacking和blending。模型融合的类型Stacking相关理...
数据挖掘-二手车价格预测 Task04：建模调参
模型调参部分利用xgb进行五折交叉验证查看模型的参数效果## xgb-Model xgr = xgb.XGBRegressor(n_estimators=120, learning_rate=0.1, gamma=0, subsample=0.8,\ colsample_bytree=0.9, ma...
数据挖掘-二手车价格预测 Task03：特征工程
特征工程理论：常见的特征工程包括：一、导入数据mport warnings warnings.filterwarnings('ignore') import pandas as pd import numpy as np import matplotlib.pyplot as plt import ...
数据挖掘-二手车价格预测 Task02：数据分析
1.EDA数据探索性分析读取文件import warnings warnings.filterwarnings('ignore') import pandas as pd import numpy as np import matplotlib.pyplot as plt import seabor...
数据挖掘-二手车价格预测 Task01：赛题理解
1.赛题概况赛题以预测二手车的交易价格为任务，数据集来自某交易平台的二手车交易记录，总数据量超过40w，包含31列变量信息，其中15列为匿名变量。为了保证比赛的公平性，将会从中抽取15万条作为训练集，5万条作为测试集A，5万条作为测试集B，同时会对name、model、brand和re...
数据挖掘中预测型的方法一般有什么？
数据挖掘中预测型的方法一般有什么？
数据挖掘系列(4)_Excel的数据挖掘插件_预测
使用预测向导可以预测时序中的值。 预测向导使用 Microsoft 时序算法，该算法是一个用于预测连续列（例如产品销售）的回归算法。每个预测模型必须包含一个事例序列，即区分序列中不同点的列。 例如，使用历史数据来预测几个月中的销售情况，则日期列为事例序列。其他 Microsoft 算法创建依靠给定输...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
