【正文】 用Pandas進(jìn)行數(shù)據(jù)再加工5. 使用Python中建立預(yù)測(cè)模型o 邏輯回歸o 決策樹(shù)o 隨機(jī)森林讓我們開(kāi)始吧為什么學(xué)Python用來(lái)數(shù)據(jù)分析它完全取決于具體情況和你的需要。版本之間的轉(zhuǎn)換應(yīng)該只是一個(gè)時(shí)間問(wèn)題。 而環(huán)境權(quán)取決于你的需要，我個(gè)人更喜歡iPython notebook一點(diǎn) 。 因?yàn)樵M是不可變的，不可改變的，他們相對(duì)列表來(lái)說(shuō)可以處理的更快。 如果你想從零開(kāi)始寫(xiě)代碼，它將是一場(chǎng)噩夢(mèng)，你使用Python不會(huì)超過(guò)2天！但不要擔(dān)心這些。 下面是一個(gè)庫(kù)列表，你將在任何科學(xué)計(jì)算和數(shù)據(jù)分析中用到：Pandas說(shuō)最近一直在推動(dòng)對(duì)Python Python的使用數(shù)據(jù)科學(xué)家共同體的工具。此外，在非常大的或流媒體數(shù)據(jù)集上，它具有高性能的交互性的能力。 序列可以被理解為一個(gè)1維標(biāo)記/索引數(shù)組。 請(qǐng)注意，你不需要導(dǎo)入matplotlib和NumPy，因?yàn)槭窃赑yLab環(huán)境下。頻率表可以通過(guò)以下命令打印：部分原因源于這樣一個(gè)事實(shí)：我們正在查看不同的教育水平的人。 我們只看到我們?nèi)绾问褂肞ython中的Pandas做探索性分析。 除了數(shù)值領(lǐng)域的這些問(wèn)題，我們也應(yīng)該看看非數(shù)值領(lǐng)域Gender, Property_Area, Married，Education 和 Dependents這些變量，看看它們是否包含任何有用的信息。 有許多方法來(lái)填補(bǔ)價(jià)值貸款金額的缺失值，最簡(jiǎn)單的就是使用均值來(lái)替換，可以通過(guò)以下代碼實(shí)現(xiàn)：另一個(gè)極端是可以建立一個(gè)監(jiān)督學(xué)習(xí)模型來(lái)基于其他變量預(yù)測(cè)貸款金額，然后使用年齡以及其他變量來(lái)預(yù)測(cè)。如何處理在LoanAmount和applicantine分布中的極值？ 下一步，我們將研究預(yù)測(cè)模型。簡(jiǎn)單的說(shuō)，考慮所有的變量可能會(huì)導(dǎo)致模型的理解出比較復(fù)雜的關(guān)系，對(duì)于具體的數(shù)據(jù)，不能很好的概括。我將把這留給你的創(chuàng)造力。 隨機(jī)森林是解決分類問(wèn)題的另一種算法。請(qǐng)記住，隨機(jī)森林模型是不完全可重復(fù)的。原因是，它很容易學(xué)習(xí)，可以很好地集成其他數(shù)據(jù)庫(kù)和工具如：Spark和Hadoop。 當(dāng)你開(kāi)始將Python用于數(shù)據(jù)科學(xué)時(shí)，我希望本教程可以幫助你最大限度地提高你的效率。 讓我們使用前5個(gè)變量來(lái)創(chuàng)建一個(gè)模型。交叉驗(yàn)證得分：%但這是一個(gè)更具挑戰(zhàn)性的案例。此外，通過(guò)本文復(fù)習(xí)一下交叉驗(yàn)證會(huì)更好，因?yàn)樗且粋€(gè)非常重要的性能測(cè)量方法。我會(huì)把Gender, Married, Dependents, Loan_Amount_Term, Credit_History等缺失值的估計(jì)留給你。這可以用下面的代碼來(lái)完成： 注：記住，缺失值可能并不總是NaN。我們應(yīng)該基于丟失的值的數(shù)量明智地估計(jì)這些值并評(píng)估該變量的重要性。 你還可以再上圖中加入性別變量（類似于Excel中的數(shù)據(jù)透視表）我們將使用Excel數(shù)據(jù)透視表和交叉制表的風(fēng)格。 下一步，我們看箱線圖，了解分布。/home/kunal/Downloads/Loan_Prediction/導(dǎo)入庫(kù)和數(shù)據(jù)集：下面是我們將在本教程中使用的庫(kù)： Pandas是Python最有用的一種數(shù)據(jù)分析庫(kù)的我知道這些名字聽(tīng)起來(lái)很奇怪，但堅(jiān)持下去！）它們對(duì)于增加一直在增加Python在數(shù)據(jù)科學(xué)界的使用量起了很大的作用。它是基于matplotlib。你也可以使用 Latex命令將math庫(kù)添加到您的繪圖中。最常用的結(jié)構(gòu)是ifelse，有以下語(yǔ)法： 元組——元組由一系列由逗號(hào)分隔的值表示。在Python中，這些包括列表、字符串、元組、字典、for循環(huán)，while循環(huán)，ifelse等等，讓我們來(lái)看看下面的因素。這里是3個(gè)最常見(jiàn)的選擇：2. 這是未來(lái)！ .X族發(fā)布的最后一個(gè)版本。Python v/s 在使用SAS工作超過(guò)5年后，我決定走出自己的舒適區(qū)。 很多人都有興趣選擇Python作為數(shù)據(jù)分析語(yǔ)言。我會(huì)嘗試給你一些建議，以幫助你做出明智的選擇。敬請(qǐng)期待，不久的將來(lái)一個(gè)專門對(duì)比Python X的文章！怎樣安裝Python有兩種方法安裝Python它提供了許多良好的功能，編寫(xiě)代碼的同時(shí)還可以用于記錄，你可以選擇在上面運(yùn)行代碼塊（而不是一行一行的執(zhí)行）。 列表——列表是在Python中最通用的數(shù)據(jù)結(jié)構(gòu)。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。值得慶幸的是，有許多預(yù)定義的庫(kù)，我們可以直接導(dǎo)入到我們的代碼，使我們的生活很容易。 NumPy代表數(shù)值Python。 其它的庫(kù)，你可能需要：你可以通過(guò)這些標(biāo)簽訪問(wèn)這個(gè)序列的各個(gè)元素。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。 同樣地，我們可以看看信用卡歷史的唯一值。讓我們根據(jù)他們所受的教育進(jìn)行分組： 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。我希望你對(duì)大熊貓（動(dòng)物）的愛(ài)現(xiàn)在增加了——給予一些幫助，這個(gè)庫(kù)可以為你提供分析數(shù)據(jù)集。 讓我們先分析LoanAmount。5. 使用Python中建立預(yù)測(cè)模型閱讀更多關(guān)于邏輯回歸。2. 更好的建模技術(shù)。閱讀更多關(guān)于隨機(jī)森林。不同的運(yùn)行會(huì)導(dǎo)致輕微的變化，因?yàn)殡S機(jī)。主要的，它有很大的計(jì)算強(qiáng)度，并且具有強(qiáng)大的數(shù)據(jù)分析庫(kù)。結(jié)尾此外，我們將修改隨機(jī)森林模型的參數(shù)有一點(diǎn)： 準(zhǔn)確度：% 一般來(lái)說(shuō)，我們期望通過(guò)增加變量來(lái)提高準(zhǔn)確度。請(qǐng)參考這篇文章得到詳細(xì)的算法以及R和Python的代碼。 現(xiàn)在我們看到，分布比以前好多了。 因?yàn)閪 86%的值是“No”，將缺失值估計(jì)為“No”是比較可靠的，有很高的成功概率。這里是問(wèn)題，我們已經(jīng)意識(shí)到的：1. 在一些