dimission
员工离职预测训练赛：利用pandas和sklearn包，分析哪些因素会影响员工的离职情况，并对测试集进行相关预测。
本次项目主要用到pandas和sklearn这两个工具。用pandas进行数据清洗，数据转换，以及特征提取。用sklearn进行模型构建，模型评估，并进行相关预测。
2021-09-28 23:54:24
149KB
1
从症状预测疾病
该项目探索使用机器学习算法来根据症状预测疾病。
探索的算法
在代码中探索了以下算法：
朴素贝叶斯
决策树
随机森林
梯度提升
数据集
源1
与main.py脚本一起使用的此问题的数据集是从此处下载的：
https://www.kaggle.com/kaushil268/disease-prediction-using-machine-learning
该数据集共有133列，其中132例是患者经历的症状，以及该患者预后的最后一列。
源2
从此处下载用于Jupyter笔记本的此问题的数据集：
https://impact.dbmi.columbia.edu/~friedma/Projects/DiseaseSymptomKB/index.html
该数据集包含3列：
Disease | Count of Disease Occurrence | Symptom
您可以将整个表格从此处复制粘贴到excel工作表中，也可以使用Beautifulsoup将其刮下。
目录结构
|_ dataset/
|_ training_data.csv
2021-09-27 15:02:33
3.58MB
1
下面小编就为大家分享一篇python实现在pandas.DataFrame添加一行，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2021-09-26 22:30:36
25KB
1
Numpy 对战 Pandas 之CSV文件读取效率1. Numpy.loadtxt()2. Pandas.read_csv()3. 总结4. 意外发现
本文旨在分析Numpy读取CSV文件和Pandas读取CSV文件的对比。
1. Numpy.loadtxt()
官网教程-Numpy.loadtxt()
使用numpy中的loadtxt()方法可以很方便的读取文件，代码如下：
import time
import numpy as np
path = r"C:\Users\hewenyong\Desktop\csv\csv_folder\2.csv"
start = time.clock(
2021-09-26 14:26:24
303KB
1