1、资源内容：毕业设计lun-wen word版10000字+；开题报告，任务书
2、学习目标：快速完成相关题目设计；
3、应用场景：课程设计、diy、毕业、参赛；
4、特点：直接可以编辑使用；
5、使用人群：设计参赛人员，学生，教师等。
6、使用说明：下载解压可直接使用。
7、能学到什么：通过学习本课题的设计与实现，
学习内部架构和原理，为后续的创作提供一定的设计思路和设计启发 ，
同时也为后续的作品创作提供有力的理论依据、实验依据和设计依据，
例如提供一些开源代码、设计原理和电路图等有效的资料，而且本设计简单，
通俗易通，易于学习，为不同使用者提供学习资源，方便快捷，
是一种有效且实用的，同时也是一份值得学习和参考的资料。
2022-04-06 02:19:12
19.25MB
若按照书上代码运行会出现如下报错（这是因为代码在截取数据时将属性值转为了矩阵）：
AttributeError: 'numpy.ndarray' object has no attribute 'columns'
解决办法：
方法一：添加代码：x=pd.DataFrame(x)
方法二：将代码：
x=data.iloc[:,:3].as_matrix().astype(int)
y=data.iloc[:,3].as_matrix().astype(int)
改成：
x=data.iloc[:,:3].astype(int)
y=data.iloc[:,3].astype(int)
总体
2022-03-31 18:30:01
108KB
1
在上一篇博文Python数据分析（8）—-用python实现数据分层抽样中，实现了实验数据的抽取，那么在本文中，将用上述抽取到的数据进行实验，也就是用决策树进行分类。 在讲解实际的决策树分类之前，需要介绍一下决策树分类的sklearn中决策树模型参数释义：
'''
scikit-learn中有两类决策树，它们均采用优化的CART决策树算法。
（1）回归决策树：DecisionTreeRegressor()
（2）分类决策树：DecisionTreeClassifier()
'''
from sklearn.tree import DecisionTreeRegressor
'''
回归决策树
2022-03-30 13:41:40
103KB
1
引言
数据预处理时，异常值的存在可能对最终建立的模型的精度和泛化能力有较大的影响。检测异常值的方式有很多，最基本的两种方法为 z 分数法和上下截断点法。
对 z 分数法还存在些许疑虑的可查看如下博文
统计学： Z 分数 & 正态分布 (附 Python 实现代码) –Z 检验先修; Z 分数与正态分布两者关系; Z 分数与百分位数的异同；面试要点（以心理学实验为舟）
本文针对这两种方法，构造自写库，最终实现函数的快捷调用，在很大程度上提高了数据预处理的效率。
效果展示(Jupyter notebook)
一行代码快速绘图查看房价分布情况
如何一步到位的画出复杂精美的图片可以参考
2022-03-17 16:25:29
433KB
1
本课程使用 Python 编程语言，以电商数据为案例，对其进行系统完整的分析。
首先会简单回顾 Python 和 Pandas 的基本用法，然后介绍数据分析的基本流程和电商数据分析的常见框架，并从订单、商品、用户等多个维度对电商数据进行分析，最后再结合 RFM 模型和 K 均值聚类算法，对用户进行聚累分析。
2022-03-16 11:02:02
26.28MB
1
《python数据分析与挖掘实战》-张良均，第一章总结的读书笔记
记录我的学习之旅，每份文档倾心倾力，带我成我大牛，回头观望满脸笑意，望大家多多给予意见，有问题或错误，请联系 我将及时改正；借鉴文章标明出处，谢谢
2022-03-09 21:13:20
20KB
1