机器学习的概率统计模型（附代码）
概率统计知识在人工智能领域发挥着非常重要的作用，如深度学习理论，概率图模型等都依赖于概率分布作为框架的基本建模语言，本文为大家重点介绍了与人工智能有关的梳理统计方法~~
python数据分析基础007 -利用pandas带你玩转excel表格（中上篇）
利用pandas带你玩转excel，建议收藏！！
一文速学-数据分析之Pandas数据结构和基本操作代码
一文总结关于Pandas数据结构的Series和DataFrame的创建、转换和相关函数操作。该两种数据结构并不难理解，语言都是共通的，只要了解C语言基础的数据结构或是Python、JAVA的都能理解。关键是如何运用函数处理这些数据结构。
Windows环境安装及启动Zookeeper详细历程（含闪退、找不到JAVA_HOME及无限报错原因）
详细历程1.jdk安装2.下载Zookeeper3.解压文件4.创建文件夹5.修改配置文件6.运行闪退问题7.Error: JAVA_HOME is not set8.无限报错9. 启动成功
python数据分析基础006 -利用pandas带你玩转excel表格（上篇）
利用pandas操作excel表格,建议收藏！！
数据挖掘 —— 探索性数据分析
数据挖掘 —— 探索性数据分析1. 统计检验1.1 正态性检验1.2 卡方检验1.3 独立分布t检验1.4 方差检验1.5 Q-Q图1.6 相关系数2 单因素分析2.1 线性回归2.2 PCA 奇异值分解2.3 主成分分析（PCA自定义实现）3 复合分析3.1 分组分析3.1.1 离散数据分组3.
python数据分析—— pandas
python数据分析—— pandas1.模块导入2. Series对象的创建和索引3 DataFrame的创建及相关属性4 DataFrame修改索引、添加数据及删除数据4.1 DataFrame修改index columns4.2 添加数据4.3 删除数据5 数据处理6 数据合并7 多层索引8
金融数据安全分类分级解决方案
《数据安全法》的第二十一条“国家建立数据分类分级保护制度，根据数据在经济社会发展中的重要程度，以及一旦遭到篡改、破坏、泄露或者非法获取、非法利用，对国家安全、公共利益或者个人、组织合法权益造成的危害程度，对数据实行分类分级保护”。
python数据分析基础004 -numpy读取数据以及切片，索引的使用
numpy进阶，建议收藏！！
Pandas基础——一文详不尽（一）
Transforming DataFrames下面列举了pd常用的数据处理方法import pandas as pdDF = pd.DataFrame(xxxx)探索DF整体这里主要是看数据集里的整体部分，当你拿到数据集后应该是先对数据集的整体进行一个观察和探索看数据的前几行就用head（）观察每列
RFM用户分层模型｜原理+Python全流程实现
RFM 模型在数据分析中经常会进行用户分层，本文我们来了解一下常见的用户分层模型RFM。RFM概念RFM是由R(Recency)、F (Frequency)、 M(Monetary) 三个维度构成的，其具体含义如下：R：最近一次消费时间间隔F：消费频率M：消费金额这里对于这三个维度的概念简单的做一个
python数据分析基础003 -numpy的使用（详解)
numpy的超详细解说，建议收藏！！
python数据分析基础002 -使用mtplotlib绘图（散点图，条形图，直方图）
matplotlib绘图基础，建议收藏！！！
使用tushare大数据平台对几种股票因子进行计算
写在前面去年七月，笔者开始接触买入股票，近一年下来，投入的的钱亏了一半，股票市场不是基金市场，其中的残酷给我这个初来乍到的年轻人上了一课。当时，我就在想，买卖股票是否能够赚钱，关键就在一个信息。内部的人有内部的消息，总是能赚大量的钱。我作为一个学生，家里边也没有背景，不可能获取到公司内部的消息。在我
有关不平衡学习与SMOTE算法
文章目录前言因为最近的任务中运用到了Smote算法，但是我找了网上好多帖子都没有解决问题，因此去阅读了imblearn库的User guide。然后在这边写下所得到的知识以及掌握了的算法，可以供大家学习与参考一、有关上采样和Smote算法？二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加
模型的可解释性：部分依赖图PDP和个体条件期望图ICE
部分依赖图 (PDP) 和个体条件期望 (ICE) 图可用于可视化和分析训练目标与一组输入特征之间的交互关系。
提高EDA（探索性数据分析）效率的 3 个简单工具
本文简单的介绍 3 个非常好用的的数据可视化和分析工具，它们只需要很少的代码就可以自动的帮助我们执行快速和详细的数据分析
努力成为一名数据分析师
一、什么是数据分析？观测、实验、应用二、重新认识数据分析观测：对事物形成客观量化的认知（报表、图表、仪表盘）。实验：发现规律、验证假设（科学研究、A/B测试）。应用：不断基于数据反馈迭代产品。三、观测观察：采集数据、存储数据、展示数据。1.采集数据：解析系统日志、埋点获取新数据、通过传感器采集（手环
数据可视化—绘制简单的折线图
数据可视化—绘制简单的折线图（持续更新数据可视化相关知识）敬请期待。。。
“天池”淘宝用户消费行为分析——sql
“天池”淘宝用户消费行为分析——sql
