----目錄----一、數(shù)據(jù)預(yù)處理二、變量選擇三椿肩、建模四、解讀業(yè)務(wù) 數(shù)據(jù)源包括25317條用戶數(shù)據(jù)，有年齡、職業(yè)备绽、婚姻狀況及天貓使用情況等.... 該項目任務(wù)為建模并測試模型...
發(fā)簡信
IP屬地：廣東
-
商業(yè)分析 | 天貓優(yōu)惠券使用預(yù)測 -
商業(yè)分析 | 優(yōu)衣庫銷售數(shù)據(jù)分析——目錄————————————————————一、數(shù)據(jù)描述二鬓催、提出問題三肺素、數(shù)據(jù)探索四、總結(jié)————————————————————————— 一宇驾、數(shù)據(jù)描述 以上為優(yōu)衣庫銷售...
-
Walmet Sales Prediction（updating）參考kaggle notebook：keras 一倍靡、題目 1.項目題目：沃爾瑪銷量預(yù)測 預(yù)測沃爾瑪未來28天的銷量 2.評分標(biāo)準(zhǔn)：RMSSE n為40341訓(xùn)練樣本量，h為2...
-
商業(yè)分析 | 寶潔銷售額預(yù)測分析一课舍、數(shù)據(jù)描述 1.數(shù)據(jù)行/列數(shù)量 2.缺失值分布2.1local_tv有缺失值 可見local_tv投入對銷售收入影響較大 填充0 二塌西、單變量分析 1.數(shù)字型變量描述（平均、...
-
Airbnb客戶分群——Kmeans簡單運用問題描述根據(jù)airbnb用戶信息對客戶進(jìn)行分群數(shù)據(jù)字段 一筝尾、數(shù)據(jù)準(zhǔn)備 1.引入數(shù)據(jù) 1.1發(fā)現(xiàn)age的異常值有“2歲”和“2014歲” 2.異常值處理 2.1處理年齡 2.2...
-
PYTHON-行列轉(zhuǎn)置 pd.melt()pd.melt():將列名轉(zhuǎn)換為數(shù)據(jù)如：將左表轉(zhuǎn)換為右表 value_vars 需要轉(zhuǎn)換的列名 var_name "被轉(zhuǎn)換的列名"組成的新列的 name value_name...
-
減小dataframe占用內(nèi)存
Kaggle比賽中常用在做分析時捡需，處理近2G的一個CSV文件，10G內(nèi)存的機(jī)器感覺內(nèi)存不夠用忿等，找到了這個函數(shù)栖忠，效果很好，尤其是對大量使用數(shù)字類型的數(shù)據(jù)贸街，主要原理是把int64...
-
Tatanic Survival目錄 項目問題各變量解釋一庵寞、數(shù)據(jù)描述1.總覽數(shù)據(jù)2.可視化探索3.相關(guān)性分析 二、特征工程1.缺失值處理2.構(gòu)造家庭規(guī)模特征3.構(gòu)造乘客身份特征4.對Fare分箱（消除異常值...
-
PYHTON-整理一份詳細(xì)的數(shù)據(jù)預(yù)處理方法
整理一份詳細(xì)的數(shù)據(jù)預(yù)處理方法 數(shù)據(jù)清理 數(shù)據(jù)清理(data cleaning) 的主要思想是通過填補(bǔ)缺失值薛匪、光滑噪聲數(shù)據(jù)捐川，平滑或刪除離群點，并解決數(shù)據(jù)的不一致性來“清理“數(shù)據(jù)...
-
Matplotlib基礎(chǔ)可參考：https://blog.csdn.net/xHibiki/article/details/84866887 散點圖 主要參數(shù)說明如下： x,y：數(shù)組 s：散點圖中點...
-
離散型字符特征處理
離散特征的編碼分為兩種情況： 1逸尖、離散特征的取值之間沒有大小的意義古沥，比如color：[red,blue],此時可以使用one-hot編碼；實現(xiàn)： 2娇跟、離散特征的取值有大小的意...
-
PYTHON-分箱
分箱可以將連續(xù)變量離散化岩齿，減小異常值對模型的影響 數(shù)據(jù)準(zhǔn)備 pd.qcut() 使每一份的元素個數(shù)相同 <<[Teen, Teen, Teen, Middle-age, Mi...
-
-
-
-
-
80后仔戈，湖南人关串，現(xiàn)居北京，傳統(tǒng)行業(yè)創(chuàng)業(yè)者监徘。我是tony悍缠，在北京為您講述值得關(guān)注的商業(yè)故事。微信公號：商業(yè)咖啡館耐量，敬請關(guān)注飞蚓！
-
如果有意見或者想法趴拧，歡迎有興趣的讀者與我一起交流探索，共同進(jìn)步山叮。
-
不瘋魔不成活
