yhon數(shù)據(jù)分析過程示例(存儲版)
【正文】 arange(5))我目前在Linux上工作，并已將數(shù)據(jù)集存儲在以下位置： 導(dǎo)入庫以后，你可以使用read_csv()函數(shù)讀數(shù)據(jù)集。 這里有幾個結(jié)論，你可以通過查看describe()函數(shù)的輸出得出：1. LoanAmount有 (614 – 592)22個缺失值2. Loan_Amount_Term 有(614 – 600) 14個缺失值3. Credit_History有 (614 – 564)50個缺失值4. 我們還可以看到84%的申請者有credit_history，怎么樣， （記住，credit_history將那些有信用歷史的值設(shè)置為1，沒有的設(shè)置為0）5. ApplicantIne 的分布似乎和expectation呈線性關(guān)系，CoapplicantIne也是。它也可以是列的列表。但是畢業(yè)生中高收入的人群更多，它們出現(xiàn)在異常值的點中。 現(xiàn)在我們了解了applicantine和loanine的分布，讓我們了解更多關(guān)于分類變量的細(xì)節(jié)。 或著，這兩個圖可以進(jìn)行組合以后的可視化，使用堆疊圖表示： 接下來讓我們進(jìn)一步探討applicantine和loanstatus變量，進(jìn)行數(shù)據(jù)修改和創(chuàng)建一個數(shù)據(jù)集并應(yīng)用各種建模技術(shù)。這里是問題，我們已經(jīng)意識到的：1. 在一些變量中有缺失值。它詳細(xì)介紹了一些有用的數(shù)據(jù)處理技術(shù)。一個關(guān)鍵的假設(shè)是，一個人是否受教育的或是否自雇人士可以結(jié)合起來，提供一個很好的貸款金額的估計。 因為~ 86%的值是“No”，將缺失值估計為“No”是比較可靠的，有很高的成功概率。所以，不把它們當(dāng)做離群點對待，讓我們嘗試對數(shù)據(jù)轉(zhuǎn)換從而發(fā)揮它們的作用： 現(xiàn)在我們看到，分布比以前好多了。Skicitkearn（sklearn）是Python中最常用于此目的的庫，我們將跟隨這條小徑。請參考這篇文章得到詳細(xì)的算法以及R和Python的代碼。 我們可以很容易地作出一些直觀的假設(shè)來設(shè)定啟動資金。 一般來說，我們期望通過增加變量來提高準(zhǔn)確度。決策樹 準(zhǔn)確度：% 隨機(jī)森林的一個優(yōu)點是，我們可以使它與所有的功能，它返回一個功能的重要性矩陣，它可以用來選擇功能。此外，我們將修改隨機(jī)森林模型的參數(shù)有一點：結(jié)尾 所以，學(xué)習(xí)Python執(zhí)行任何全生命周期的數(shù)據(jù)科學(xué)項目。主要的，它有很大的計算強(qiáng)度，并且具有強(qiáng)大的數(shù)據(jù)分析庫。不同的運行會導(dǎo)致輕微的變化，因為隨機(jī)。首先，我們看到的特征重要度矩陣，從中我們將采取最重要的特點。閱讀更多關(guān)于隨機(jī)森林。 在這里，基于分類變量的模型是不能產(chǎn)生影響的，因為相比它們信用歷史是占主導(dǎo)地位的。2. 更好的建模技術(shù)。 準(zhǔn)確度：% 閱讀更多關(guān)于邏輯回歸。然后，我們將定義一個通用的分類函數(shù)，它需要一個模型作為輸入，并確定準(zhǔn)確性度和交叉驗證分?jǐn)?shù)。5. 使用Python中建立預(yù)測模型所以將兩者的收入結(jié)合起來作為總收入可能是一個好主意，并采取相同的對數(shù)變換。 讓我們先分析LoanAmount。 如我們先前所說，self_employed有缺失值。 雖然缺失值數(shù)量不是很多，但許多變量都有缺失值，它們中的每一個都應(yīng)該被估計和補(bǔ)充。 在我們的探索數(shù)據(jù)期間，我們發(fā)現(xiàn)了數(shù)據(jù)集的一些問題，在數(shù)據(jù)準(zhǔn)備好建立一個好的模型之前需要解決。我希望你對大熊貓（動物）的愛現(xiàn)在增加了——給予一些幫助，這個庫可以為你提供分析數(shù)據(jù)集。你可以根據(jù)Married, SelfEmployed, Property_Area等繪制類似的圖。 現(xiàn)在我們將看看使用Python產(chǎn)生類似的效果所需要的步驟。我們將在即將到來的部分完成這些。讓我們根據(jù)他們所受的教育進(jìn)行分組： 在這里，我們觀察到，有幾個極端值。 同樣地，我們可以看看信用卡歷史的唯一值。 接下來，你可以使用describe()函數(shù)來查看數(shù)值字段的概要：但我仍然在代碼中保留了它們，以防你在不同的環(huán)境中使用代碼。 這在PyLab環(huán)境下打開IPython notebook，其中有幾個有用的庫已經(jīng)導(dǎo)入。你可以通過這些標(biāo)簽訪問這個序列的各個元素。是的，我的意思是做一個預(yù)測模型！在這個過程中，我們使用了一些強(qiáng)大的庫，也遇到了下一級的數(shù)據(jù)結(jié)構(gòu)。 其它的庫，你可能需要： SymPy用于符號計算。 Matplotlib用于繪制各種各樣的圖表，從直方圖到線圖，再到熱圖。 NumPy代表數(shù)值Python。在Python中有以下幾種方法：值得慶幸的是，有許多預(yù)定義的庫，我們可以直接導(dǎo)入到我們的代碼，使我們的生活很容易。讓我們來看看一個簡單的例子，確定一個數(shù)字的因子。因此，如果你的清單是不可能改變的，你應(yīng)該使用元組，而不是列表。作為一個轉(zhuǎn)義字符。 列表——列表是在Python中最通用的數(shù)據(jù)結(jié)構(gòu)。它提供了許多良好的功能，編寫代碼的同時還可以用于記錄，你可以選擇在上面運行代碼塊（而不是一行一行的執(zhí)行）。它應(yīng)該不重要，直到和除非，直到和除非，你正在做的尖端統(tǒng)計研究。敬請期待，不久的將來一個專門對比Python X的文章！怎樣安裝Python有兩種方法安裝Python3. 。我會嘗試給你一些建議，以幫助你做出明智的選擇。 不用說，它仍然有幾個缺點： 很多人都有興趣選擇Python作為數(shù)據(jù)分析語言。并且，從那時起，我不僅深度探索了這門語言，而且也幫助了許多人學(xué)習(xí)這門語言。在使用SAS工作超過5年后，我決定走出自己的舒適區(qū)。 我總是有一個編寫代碼的傾向。 開源——免費安裝Python v/s 2. 很多第三方庫！。2. 這是未來！ .X族發(fā)布的最后一個版本。我
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1