Python
-
Python推荐系统库：Surprise
Surprise简介 Surprise（Simple Python Recommendation System Engine）是一款推荐系统库，是scikit系列中的一个。surp…
-
数据分析之AB TESTING实战(附PYTHON代码)
目录 1、增长黑客 1）前言 2）运用分析指标框架，驱动互联网产品和运营 3）增长黑客大致分为如下几个步骤 2、AB testing介绍 1）AB testing对比方案图示展示 …
-
机器学习建模工具PyCaret详讲
机器学习建模工具 PYCARET 1 PyCaret 1.0.0简介 2 PyCaret入门 3 获取数据 4 搭建环境 4.1 预处理介绍 4.2 采样与拆分 4.2.1 训练/…
-
全网最新最全Pyecharts可视化教程(三)：制作多个子图
在介绍了Pyecharts的普通绘图和对地图的绘制之后，今天小编将对Pyecharts绘制多个子图的能力进行简单的展示，并且将其应用在具体的案例之上来进行演示，看看其出来的效果如何…
-
全网最新最全Pyecharts可视化教程(二)：绘制好看的交互式地图教程
说到使用Python来进行地图的可视化那就一定少不了Pyecharts的身影，本文小编就对Pyecharts可实现的地图可视化进行一番探究，看看其出来的效果如何 Pyecharts…
-
Python数据可视化-seaborn
详细介绍可以看seaborn官方API和example galler。 常用颜色： 常用样式： 1 set_style( ) set( ) set_style( )是用来设置主…
-
功能强大的python包（三）：Seaborn
1. Seaborn简介 Seaborn是一个基于matplotlib且数据结构与Pandas统一的统计图制作库。 Seaborn库旨在以数据可视化为中心来挖掘并理解数据。 Sea…
-
功能强大的python包（二）：Pandas
1. Pandas简介 Pandas是一个强大的分析结构化数据的工具集；它的使用基础是Numpy（提供高性能的矩阵运算）。 Pandas是一种结构化数据工具集，可以用于数据挖掘、数…
-
风控模型—群体稳定性指标(PSI)深入理解应用
风控业务背景 在风控中，稳定性压倒一切。原因在于，一套风控模型正式上线运行后往往需要很久（通常一年以上）才会被替换下线。如果模型不稳定，意味着模型不可控，对于业务本身而言就是一种不…
-
功能强大的python包（一）：Numpy
1. Numpy简介 Numpy是python的一种开源的数值计算扩展； Numpy可用来存储和处理大型矩阵； Numpy支持大量的维度数组与矩阵运算。 2. 数据类型 Numpy…
-
jupyter notebook 实现matplotlib图动态刷新
我就废话不多说了，大家还是直接看代码吧！ import matplotlib %matplotlib inline from IPython import display 需要刷新…
-
Python实现K-means聚类算法并可视化生成动图
K-means算法介绍 简单来说，K-means算法是一种无监督算法，不需要事先对数据集打上标签，即ground-truth，也可以对数据集进行分类，并且可以指定类别数目 牧师-村…
-
Clustering聚类算法总结+python实践
本文以iris鸢尾花数据为例，实现各种聚类算法。 文章里理论部分很简略，主要是python实践。 没想到疫情期间度过了研一下学期，全在上网课，仍然是获益匪浅。 正好在上机器学习的课…
-
一文学会Seaborn！
Matplotlib绘制一张美图需要很多参数调整，于是就出现了high-level版的Seaborn，几行代码即可输出美美的图形，那么Seaborn是如何做到的？ Seaborn主…
-
理论加实践，终于把时间序列预测ARIMA模型讲明白了
本文将通过一段时间内电力负荷波动的数据集来实战演示完整的ARIMA模型的建模及参数选择过程，其中包括数据准备、随机性、稳定性检验。本文旨在实践中学习，在实战过程中穿插理论知识梳理和…
-
时间序列预测模型-ARIMA原理及Python实现！
1、数据介绍 再介绍本篇的内容之前，我们先来看一下本文用到的数据。本文用到的中国银行股票数据下载：http://pan.baidu.com/s/1gfxRFbH。 我们先来导入一下…
-
ARIMA模型原理以及代码实现案例
一、时间序列分析 北京每年每个月旅客的人数，上海飞往北京每年的游客人数等类似这种顾客数、访问量、股价等都是时间序列数据。这些数据会随着时间变化而变化。时间序列数据的特点是数据会随时…
-
Pandas教程 | 数据处理三板斧——map、apply、applymap详解
在日常的数据处理中，经常会对一个DataFrame进行逐行、逐列和逐元素的操作，对应这些操作，Pandas中的map、apply和applymap可以解决绝大部分这样的数据处理需求…
-
Pandas数据处理——玩转时间序列数据
进行金融数据分析或量化研究时，总避免不了时间序列数据的处理，时间序列是指在一定时间内按时间顺序测量的某个变量的取值序列。常见的时间序列数据有一天内随着时间变化的温度序列，又或者交易…
-
Pandas教程 | Merge数据合并图文详解
为了方便维护，一般公司的数据在数据库内都是分表存储的，比如用一个表存储所有用户的基本信息，一个表存储用户的消费情况。所以，在日常的数据处理中，经常需要将两张表拼接起来使用，这样的操…
