【大数据】—二手车用户数据可视化分析案例
Sales_ID(销售ID)name(二手车名称)year(购车年份)selling_price(二手车当前销售价格)km_driven(总行驶公里数)Region(使用地区)State or Province(使用的州或省)City(使用城市)fuel(燃料类型)seller_type(谁在出售汽
数据挖掘技术的未来趋势：智能化与大数据
1.背景介绍数据挖掘(Data Mining)是一种利用统计学、机器学习、数据库、人工智能等多学科知识和方法来从大量数据中发现新的、有价值的信息和知识的科学。数据挖掘技术的发展与大数据时代的兴起是相互关联的。随着互联网、人工智能、物联网等技术的不断发展，数据量不断增加，数据挖掘技术也不断发展和进步。
特征工程与数据预处理全解析：基础技术和代码示例
我们将深入研究处理异常值、缺失值、编码、特征缩放和特征提取的各种技术。
数据挖掘案例-航空公司客户价值分析
数据挖掘案例-航空公司客户价值分析
【爬虫】实战1-爬取Boss直聘信息数据
由于网址（域名+参数），域名不会变，参数可能会随着页面的变化而变化。可以看到当重新翻到第一页的时候网址发生了变化，第一页用这个网址即可。我们可以切换不同的页码并将网址赋值粘贴下来（一般3-4个即可）可以看到只有page参数有变化，显然page参数对应的是页码数。我们直接用浏览器网网址输入框中的网址即
【人工智能Ⅱ】实验2：VGG图像分类
第一个卷积块的每个卷积层共有64个输出通道，第二个卷积块的每个卷积层共有128个输出通道，第三个卷积块的每个卷积层共有256个输出通道，第四个卷积块的每个卷积层共有512个输出通道，第五个卷积块的每个卷积层共有512个输出通道。与baseline相比，batch_size为【128】时的分类损失值和
大数据-11-案例演习-淘宝双11数据分析与预测 （期末问题）
Hadoop 是一个开源的分布式计算框架，设计用于在大规模数据集上实现高效、可靠和可扩展的数据处理。HDFS是 Hadoop 项目的一个核心组件，它是一个针对大数据处理而设计的分布式文件系统。YARN 是一个通用的、可伸缩的资源管理平台，它允许在同一个集群上运行多种不同类型的应用程序。都是帮助处理和
AI论文速读 | 2024[IJCAI]时空解耦掩码预训练的时空预测
时空预测技术对于交通、能源和天气等各个领域都具有重要意义。由于复杂的时空异质性，时空序列的准确预测仍然具有挑战性。特别是，当前的端到端模型受到输入长度的限制，因此经常陷入时空幻觉），即相似的输入时间序列后面跟着不同的未来值，反之亦然。为了解决这些问题，本文提出了一种新颖的自监督预训练框架时空解耦掩码
AI大模型的使用-让AI帮你写单元测试
通过利用AI大模型的生成能力和自然语言处理技术，可以自动化地编写和执行单元测试。这不仅能提高测试效率和代码质量，还能解放开发人员的生产力，让他们专注于更复杂的任务。本文将介绍如何使用AI大模型来编写单元测试，以及这种方法的优势和局限性。
AI+新能源充电桩数据集
7+细分充电桩数据集；新能源充电桩；充电站负荷预测
大数据 | 实验四：并行化数据挖掘算法设计
k近邻法（k-nearest neighbor，k-NN）是一种基本的分类和回归方法，是监督学习方法里的一种常用方法。
【python】在【机器学习】与【数据挖掘】中的应用：从基础到【AI大模型】
Python在数据挖掘和机器学习中的应用，涵盖了数据预处理、特征工程、监督学习、非监督学习和深度学习。
如何应对缺失值带来的分布变化？探索填充缺失值的最佳插补算法
本文将探讨了缺失值插补的不同方法，并比较了它们在复原数据真实分布方面的效果，处理插补是一个不确定性的问题，尤其是在样本量较小或数据复杂性高时的挑战，应选择能够适应数据分布变化并准确插补缺失值的方法。
大数据—数据分析概论
数据分析是指使用统计、数学、计算机科学和其他技术手段对数据进行清洗、转换、建模和解释的过程，以提取有用的信息、发现规律、支持决策和解决问题。数据分析可以应用于各种领域，包括商业、医学、工程、社会科学等。确定问题：明确要解决的问题或要回答的业务问题。设定目标：定义分析的具体目标和期望的结果，如提高销售
人工智能课程设计毕业设计——基于机器学习的贷款违约预测
另外LightGBM通过使用基于直方图的决策树算法，只保存特征离散化之后的值，代替XGBoost使用exact算法中使用的预排序算法（预排序算法既要保存原始特征的值，也要保存这个值所处的顺序索引），减少了内存的使用，并加速的模型的训练速度。Adaboost是一种迭代算法，其核心思想是针对同一个训练集
工具系列：PandasAI介绍_快速入门
所做的类似（10分钟入门pandas -> https://pandas.pydata.org/docs/user_guide/10min.html），我们希望创建最简单的方式来学习如何掌握PandasAI。由于PandasAI由LLM提供支持，您应该导入您想要用于您的用例的LLM。有时候，您可能希
hadoop学习---基于Hive的教育平台数据仓库分析案例（一）
基于hive的数据仓库搭建项目，主题是关于在线教育平台数据仓库搭建。
PySpark数据分析基础：PySpark基础功能及DataFrame操作基础语法详解_pyspark rdd(2)
这里的批处理引擎是Spark Core，也就是把Spark Streaming的输入数据按照batch size（如1秒）分成一段一段的数据（Discretized Stream），每一段数据都转换成Spark中的RDD（Resilient Distributed Dataset），然后将Spark
数据仓库和数据挖掘基础
主要介绍数据仓库和数据挖掘的基本知识。
人工智能|机器学习——Canopy聚类算法（密度聚类）
Canopy聚类算法是一个将对象分组到类的简单、快速、精确地方法。每个对象用多维特征空间里的一个点来表示。这个算法使用一个快速近似距离度量和两个距离阈值T1 > T2 处理。Canopy聚类很少单独使用， 一般是作为k-means前不知道要指定k为何值的时候，用Canopy聚类来判断k的取值。
