- 博客(26)
- 收藏
- 关注
RSS订阅原创 机器学习数据预处理全面指南：缺失值处理、标准化与特征编码
数据预处理是机器学习流程中不可或缺的一环。缺失值处理的多种方法（删除、填充）数据标准化的两种常用方式（MinMaxScaler、StandardScaler）特征编码技术（独热编码、序号编码、目标编码）数据二值化的应用。
2025-08-20 16:32:01
426
原创 决策树算法详解：从 ID3 到剪枝策略，一篇搞定核心原理与实践
决策树是一种直观且强大的机器学习算法，ID3、C4.5、CART 分别从信息增益、增益率、基尼指数三个角度解决属性划分问题；连续值处理通过离散化转化为分类问题；剪枝策略（预剪枝 / 后剪枝）有效平衡拟合与泛化能力。
2025-08-19 16:39:20
389
原创 决策树原理详解：从熵到信息增益的构建之旅
关键概念核心意义在决策树中的作用熵 (H)度量数据的不确定性/混乱度。值越大越混乱。衡量划分前原始数据或划分后子集数据的纯度。信息增益 (IG)特征划分带来的不确定性减少量。值越大越好。选择最优节点特征的标准。根节点决策树的起点，最重要的特征。首次划分数据，影响整棵树结构。递归构建在每个分支上重复选择最优特征的过程。自动化生成完整的树形决策结构。效率训练复杂（需计算所有特征的信息增益），预测极快。模型适用于需要快速预测的场景。决策树的魅力在于其直观性。
2025-08-18 14:44:45
423
原创 KNN 算法详解：从电影分类到鸢尾花识别的实战指南
KNN 算法虽简单，却揭示了机器学习中 "相似性度量" 的核心思想。从电影分类到鸢尾花识别，其 "近邻表决" 的逻辑在生活中随处可见。掌握 KNN 不仅能解决简单分类问题，更能帮你理解复杂算法的底层逻辑 —— 毕竟，所有模型的本质都是寻找数据中的 "相似性" 与 "规律"。
2025-08-16 16:46:20
629
原创 机器学习核心概念精要：从定义到评估
机器学习致力于让计算机系统基于经验数据提升特定任务的性能。任务导向：针对具体问题（如分类、预测）。经验驱动：依赖大量数据进行学习。性能度量：需明确定义衡量任务完成好坏的评判标准。持续优化：通过分析数据，不断改进任务执行效果。标志性事件：2016年3月，AlphaGo以4:1战胜围棋世界冠军李世石，展示了机器学习在复杂决策领域的强大潜力。
2025-08-16 16:18:16
889
原创 深度解析和鲸社区热门项目：电商双 11 美妆数据分析的细节与价值
这个《电商双 11 美妆数据分析》项目虽未展示完整的分析结论，但其技术细节、用户反馈和学习建议，已为我们提供了多重启示：对学习者：实战项目是提升技能的最佳途径，遇到问题时多看社区评论，往往能找到解决方案；对行业者：双 11 美妆数据的分析思路（如通过标题分词做商品分类）可迁移到其他电商品类，为选品、定价提供数据支持。
2025-08-16 16:01:18
565
原创 中国大学排名爬取与数据分析案例总结
本案例展示了如何通过爬虫技术获取中国大学排名数据，并使用Python的pandas和可视化库进行数据预处理和分析的全过程。案例来源于高三网的中国大学排名一览表。1.爬虫技术网页数据抓取 结构化数据提取 CSV文件存储2.数据处理Pandas缺失值处理 多种填充策略选择 数据统计计算3.数据可视化Matplotlib/Seaborn绘图 柱形图和饼图应用场景 数据比例展示技巧。
2025-08-16 13:42:31
463
原创 Seaborn数据可视化库入门指南
Seaborn是一个基于Matplotlib构建的高级Python数据可视化库，专注于统计图形的绘制。它通过提供高级接口和精心设计的默认主题，大大简化了复杂统计图形的创建过程。与Matplotlib相比，Seaborn具有以下优势：更简洁的API，减少代码量 美观的默认主题和颜色方案对Pandas数据框的良好支持 内置多种统计图形类型Seaborn作为Python数据可视化的重要工具，以其简洁的语法和美观的输出，成为数据探索和分析的利器。
2025-08-08 16:22:42
161
原创 Matplotlib 入门到进阶：数据可视化全攻略
本文涵盖了 Matplotlib 的核心功能，从基础的线条绘制到复杂的多子图和图像处理，基本满足数据可视化的日常需求。Matplotlib 的灵活性在于其丰富的参数定制，建议结合实际数据多做练习，逐步掌握样式调整和图表优化技巧。后续可探索更多高级功能，如动态图表、交互式可视化等，让数据表达更高效、更直观。
2025-08-07 16:46:24
333
原创 Pandas ：从缺失值处理到成绩分析实践
Pandas 的缺失值处理是数据清洗的核心环节，isnull()识别缺失、dropna()删除缺失、fillna()填充缺失，三者结合能应对绝大多数场景。而通过成绩分析案例可以发现，Pandas 的数值计算函数（mean()max()等）配合行 / 列操作（axis=0/1），能快速实现多维度数据分析。
2025-08-06 17:44:34
634
原创 NumPy 进阶与 Pandas 基础：数据处理核心工具链总结
NumPy 的统计、排序与搜索函数为数值型数据分析提供了底层支持，尤其适合数组级批量运算；Pandas 则通过 Series 和 DataFrame 简化了结构化数据的处理流程，从数据读取、查询到缺失值清洗均能高效完成。两者结合可覆盖数据处理全流程：用 NumPy 进行数值计算与统计分析，用 Pandas 处理表格数据与缺失值。后续通过实际案例练习，能进一步加深对这些工具的理解与应用。
2025-08-05 17:37:45
812
原创 NumPy 数组操作全解析：从形状修改到数组连接
在数据科学与计算领域，NumPy 是不可或缺的基础库，它提供了高效的多维数组操作能力，是学习 pandas、matplotlib 等工具的前提。
2025-08-01 15:26:01
735
原创 NumPy 入门详解：从基础到实践
NumPy 作为 Python 科学计算的核心库，其高效的 Ndarray 数组和丰富的操作函数，让数值计算变得简单高效。本文从安装、数组创建、属性到切片索引，覆盖了 NumPy 的基础核心内容，掌握这些知识后，你就可以应对大部分基础数值计算场景了。
2025-07-31 17:22:51
847
原创 数据解析利器：BeautifulSoup 全面指南
BeautifulSoup 是一个用于解析 HTML 和 XML 文档的 Python 库，它的核心优势在于：简洁易用：提供 Python 式的函数接口，简化导航、搜索和修改文档树的操作编码自动处理：自动将输入文档转为 Unicode 编码，输出为 utf-8 编码，无需手动处理编码问题多解析器支持：兼容多种解析器，可根据需求选择速度或容错性更优的方案功能全面：支持节点选择、方法筛选、CSS 选择器等多种解析策略。
2025-07-30 18:13:48
602
原创 爬虫数据存储实战：PyMySQL 操作 MySQL 全指南
在爬虫应用开发中，爬取到的数据需要高效、可靠地存储，而关系型数据库（如 MySQL）凭借结构化存储、事务支持等特性成为常用选择。
2025-07-29 18:26:33
242
原创 MySQL 进阶查询: 连接查询与子查询
连接查询专注于多表数据关联，通过内连接、外连接等方式整合不同表的信息，需明确 “保留哪些表的记录”；子查询专注于复杂逻辑拆分，通过内层结果驱动外层查询，适合实现 “基于动态结果的筛选”。
2025-07-28 16:29:35
889
原创 MySQL 数据库基础知识点总结（一）
SUM AS ：总和, AVG AS ：平均值, MAX AS： 最大值, MIN( AS： 最小值, COUNT*AS 总记录数 FROM 销售表;MySQL 中对数据的基本操作主要包括插入、更新和删除，分别对应INSERT（插入）、UPDATE（更新）、DELETE（删除）DELETE FROM 表名 WHERE 条件，同样需要 WHERE 条件，否则删除表中所有记录。：直接合并所有记录（不去重复）值替换为指定值，如 0）：合并后自动（去重复）
2025-07-25 18:58:48
300
原创 MySQL 数据库基础入门
数据库是 "按照数据结构来组织、存储和管理数据的仓库"。本质上是一个文件系统，以文件的方式存在于服务器的电脑中。它是长期存储在计算机内的、有组织的、可共享的、统一管理的大量数据的集合。
2025-07-24 18:43:09
413
原创 Requests 高级用法与 XPath 解析技术
XML 路径语言，用于在 XML/HTML 中定位元素和属性，支持路径表达式、函数库，是 W3C 标准，常与 lxml 库的 etree 模块配合使用。
2025-07-23 18:59:37
496
原创 JavaScript 入门基础
JavaScript（简称 JS）是一种运行在浏览器中的脚本语言，与 HTML（构建页面骨架）、CSS并称为前端三要素。它的主要作用是实现页面的动态交互，比如表单验证、弹窗提示、内容实时更新等。行内式：直接写在 HTML 标签的事件属性中，适合简单交互。基于对象：可以通过内置对象实现复杂功能，无需从头构建。标识符：变量 / 函数的命名规则，由字母、数字、弱类型语言：变量类型由赋值决定，定义时只需用。组成，不能以数字开头，也不能使用关键字。：字符串（用单引号或双引号包裹）：函数（可被赋值给变量）
2025-07-22 18:36:49
159
原创 静态网页爬取、数据存储
实现：通过 Python 的open()函数创建文件对象，使用write()写入数据，支持指定路径、编码（如utf-8）和写入模式。实现：借助pandas库，将DataFrame对象通过to_excel()方法写入.xlsx文件（需依赖openpyxl库）。Allow：指定允许爬取的目录。定义：全称网络爬虫排除标准，是网站通过根目录下的robots.txt文件告知爬虫哪些页面可爬、哪些不可爬的协议。：通过csv.writer()或csv.DictWriter()（字典格式）写入，支持标题行和中文数据。
2025-07-22 18:17:49
193
原创 网络爬虫学习-豆瓣
开启开发者工具：切换到 “网络（Network）” 选项卡，勾选 “保留日志（Preserve log）”，避免登录跳转后请求丢失。工具：浏览器开发者工具（F12 或 Ctrl+Shift+I），用于分析登录请求的 URL、参数。提交登录并捕获请求：输入账号密码并点击 “登录”，在网络请求中找到登录相关的 POST 请求。豆瓣账号：准备可用的豆瓣账号（手机号 / 邮箱 + 密码），若没有需先注册。打开登录页面：访问豆瓣登录页（），选择 “密码登录”。
2025-07-18 18:04:22
222
原创 静态网页爬取示例
对应图片格式是网站前缀加对应图片源代码的尾缀，动图就是gif，静图就是jpg。表情包_QQ表情包下载_动漫卡通图片_第1页_表情党。爱奇艺-在线视频网站-海量正版高清视频在线观看。
2025-07-17 15:00:56
129
原创 关于爬虫概念的认识
网络爬虫（ Crawler，又被称为网页蜘蛛--Spider、网络机器人），是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。网络爬虫经典的应用案例，如Google、百度、Bing（必应）。
2025-07-16 14:33:44
1139
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人