数据分析——基础概念环境、matplotlib、numpy、pandas
文件包括数据分析课程ppt+京东腾讯面试经验分享
2021-08-20 15:05:49
10.13MB
1
# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
from math import sqrt
critics={'Lisa Rose': {'Lady in the Water': 2.5, 'Snakes on a Plane': 3.5,
'Just My Luck': 3.0, 'Superman Returns': 3.5, 'You, Me and Dupree': 2.5,
'The Night Listener': 3.0},
'Gene Seymour': {'Lady in the Water': 3.0, 'Snakes on a Plane': 3.5,
'Just My Luck': 1.5, 'Superman Returns': 5.0, 'The Night Listener': 3.0,
'You, Me and Dupree': 3.5},
'Michael Phillips': {'Lady in the Water': 2.5, 'Snakes on a Plane': 3.0,
'Superman Returns': 3.5, 'The Night Listener': 4.0},
'Claudia Puig': {'Snakes on a Plane': 3.5, 'Just My Luck': 3.0,
'The Night Listener': 4.5, 'Superman Returns': 4.0,
'You, Me and Dupree': 2.5},
'Mick LaSalle': {'Lady in the Water': 3.0, 'Snakes on a Plane': 4.0,
'Just My Luck': 2.0, 'Superman Returns': 3.0, 'The Night Listener': 3.0,
'You, Me and Dupree': 2.0},
'Jack Matthews': {'Lady in the Water': 3.0, 'Snakes on a Plane': 4.0,
'The Night Listener': 3.0, 'Superman Returns': 5.0, 'You, Me and Dupree': 3.5},
'Toby': {'Snakes on a Plane':4.5,'You, Me and Dupree':1.0,'Superman Returns':4.0}}
df_critics=pd.DataFrame(critics)
##欧氏距离
def sim_distance(prefs,person1,person2):
si={}
for item in prefs[person1]:
if item in prefs[person2]:
si[item]=1
if len(si)==0:
return 0
sum_of_squares=sum([pow(prefs[person1][item]-prefs[person2][item],2) for item in prefs[person1] if item in prefs[person2]])
return 1/(1+sqrt(sum_of_squares))
##numpy pandas 方法
def sim_distance2(prefs,person1,person2):
return 1/(1+np.linalg.norm(prefs[person1]-prefs[person2]))
##皮尔逊相关系数
def sim_pearson(prefs,p1,p2):
si={}
for item in prefs[p1]:
if item in prefs[p2]:
si[item]=1
n=len(si)
if n==0:
return 1
##对所有偏好求和
sum1=sum([prefs[p1][it] for it in si])
sum2=sum([prefs[p2][it] for it in si])
##求平方和
sum1Sq=sum([pow(prefs[p1][it]
2021-08-15 01:58:10
37.75MB
《机器学习与模式识别》课程大作业答案（Jupyter版本/含数据集）#资源达人分享计划#
（《机器学习》&《模式识别》课程方案）
银行信用卡风险模型
任务1．（30分）考察数据分析能力
任务2. （50分）考察数据建模能力
任务3. （20分）考察模型评估及优化能力
学生可以从四个方面建模：申请者评级模型，行为评级模型，催收评级模型，欺诈评级模型，全面分析银行信用卡信用风险。
作业地址：https://education.huaweicloud.com/courses/course-v1:HuaweiX+CBUCNXA027+Self-paced/courseware/1d13e10f8d4a47688375e8a33405ab59/4959a5991e7545fb884b7f37345371a5/
2021-08-04 18:11:26
1.6MB
1
企业统计培训的难题
领导总是抱怨统计人员的分析过于简单，统计人员总是觉得领导苛求，竭尽全力也玩不成花样，于是指望通过培训解决问题
培训者总是偏向对付复杂数据的高级方法，受训者总是学会了高级方法照样无能为力，于是感觉培训解决不了问题
2021-07-25 20:03:05
285KB
该资源为2013-2014年哈尔滨工业大学854计算机基础（含数据结构、计算机组成原理）考研真题，资源高清无水印哦！
2021-07-22 12:02:12
4.7MB
该资源为2017年哈尔滨工业大学854计算机基础（含数据结构、计算机组成原理）之计算机组成原理考研题库及答案详解，资源高清无水印哦！
2021-07-22 12:02:12
2.61MB
基于tensorflow的IMDB文本情感分析完整代码（包含数据和词向量可直接运行），网络结构采用双层LSTM。
2021-07-20 17:08:03
164.63MB
基于Python Scrapy实现的爬取豆瓣读书9分榜单的书籍数据采集爬虫系统 含数据集和全部源代码
# -*- coding: utf-8 -*-
import scrapy
import re
from doubanbook.items import DoubanbookItem
class DbbookSpider(scrapy.Spider):
name = "dbbook"
# allowed_domains = ["https://www.douban.com/doulist/1264675/"]
start_urls = (
'https://www.douban.com/doulist/1264675/',
)
URL = 'https://www.douban.com/doulist/1264675/?start=PAGE&sort=seq&sub_type='
def parse(self, response):
# print response.body
item = DoubanbookItem()
selector = scrapy.Selector(response)
books = selector.xpath('//div[@class="bd doulist-subject"]')
for each in books:
title = each.xpath('div[@class="title"]/a/text()').extract()[0]
rate = each.xpath('div[@class="rating"]/span[@class="rating_nums"]/text()').extract()[0]
author = re.search('(.*?)
2021-07-10 17:02:47
19KB
基于MATLAB2020a版本进行R-CNN检测交通指示牌，代码100%可用。压缩包里面有RCNN训练代码、RCNN测试代码、交通指示牌数据集等文件。
2021-07-02 22:06:15
841KB