Python有非常多有趣使用的技巧，下面列舉20個短小精煉的用法，其中既包含常規(guī)語法，又有第三方庫的妙用，體現(xiàn)了python簡單即美的編程哲學。 快速實現(xiàn)字頻統(tǒng)計 漢字轉(zhuǎn)拼音...
發(fā)簡信
IP屬地：浙江
-
關于Python的20個奇技淫巧
-
Kaggle數(shù)據(jù)挖掘競賽入門系列：（一）Kaggle簡介
Kaggle是全球最大的數(shù)據(jù)分析在線平臺，吸引了全球范圍內(nèi)數(shù)十萬的頂級數(shù)據(jù)科學家，同時也是檢測我們機器學習技能的最佳平臺。 一、Kaggle簡介 Kaggle成立于2010年...
-
債務違約預測之四：利用人工神經(jīng)網(wǎng)絡進行預測
不了解人工神經(jīng)網(wǎng)絡的小伙伴，可以看看之前寫的一篇分享 單隱層神經(jīng)網(wǎng)絡 不管是用無隱層，單隱層，還是多層的神經(jīng)網(wǎng)絡，都無法提高準確率，始終是0.93。是參數(shù)、模型問題，還是單純...
-
債務違約預測之三：利用sklearn進行預測
參考sklearn 文檔中的1.1.10. 邏輯回歸和1.9.1. 樸素貝葉斯 高斯模型 兩部分。 scikit-learn 樸素貝葉斯類庫使用小結(jié)
-
債務違約預測之二：圖形探索
在債務違約預測之一：數(shù)據(jù)探索中，按各個屬性對借貸者分組，再分析其違約率。現(xiàn)在換一個角度，分為違約者和未違約兩類，再查看兩組人群中各個屬性的分布。 出現(xiàn) 'max must b...
-
債務違約預測之一：數(shù)據(jù)探索本文是解密大數(shù)據(jù)社群一期課程的結(jié)業(yè)作業(yè)。項目分為數(shù)據(jù)探索，使用sklearn完成回歸和預測，利用神經(jīng)網(wǎng)絡進行預測 三部分。目前編碼工作基本完成，整理后陸續(xù)貼上來。 數(shù)據(jù)集介紹...
