前提：這段**只適用於對資料分析有簡單的基礎認識者
data是樣本資料集，target是對應的樣本目標
1. 分析特徵值
如果特徵值過多，將不需要的特徵值刪減，保留有影響或者影響較大的特徵值
2. 分解data和target
如果target目標值的資料量差異巨大可以使用過取樣，也就是將訓練集樣本量小的目標資料擴大，
3. 交叉驗證
4. 模型引數自動調優
決策樹、梯度提公升樹
決策樹from sklearn.tree import decisiontreeclassifier
dtree=decisiontreeclassifier()
dtree.fit(data,target)
dtree_feature=dtree.feature_importances_
梯度提公升樹
gbc=gradientboostingclassifier()
gbc.fit(x_train_new,y_train_new)
gbc_feature=gbc.feature_importances_
將權重為0或者權重過小的特徵刪除
index=some_feature.argsort()
some_feature[index] #這個就是根據權重顯示排序後的特徵
data.columns[index] #這個是分局權重排序後顯示的列名
用排序後的列名擷取後面幾個後面有意義的特徵
data2=data [data.columns[index][6:]] #這個例子是擷取下表為6及以後的列
過取樣：
先要分解出訓練集和測試集：
x_train_new,y_train_new=smote.fit_resample(x_train,y_train)
from imblearn.over_sampling import smote
smote=smote()
x_train_new,y_train_new=smote.fit_resample(x_train,y_train)
交叉驗證：混淆矩陣、交叉表：
混淆矩陣
from sklearn.metrics import confusion_matrix
confusion_matrix(y_test,y_)
y_test 是目標值的測試資料
y_ 是利用模型測試資料得到的結果
交叉表pd.crosstab(y_test,y_)
模型引數自動調優：
針對邏輯回歸模型：
lg=logisticregression()
param_grid=
from sklearn.model_selection import gridsearchcv
gs=gridsearchcv(lg,param_grid)
gs.fit(x_test,y_test)
lg_best=gs.best_estimator_
lg.score(x_test,y_test)
利用python做資料分析
3.2 資料分析的目的 主要就是為了在複雜 龐大的資料庫中提取對我們有用的資訊。讓這些資料產生一定的價值，幫助人們在日常生活中做一些決策時做一些參考。比如，在 中買東西，我們會首先看到物品的銷量 排行 以及顧客對物品的評價。這些都是經過資料分析得出來的。可見，資料分析在其中扮演著多麼重要的角色。3....
利用Python資料分析 pandas入門（三）
obj series range 3 index a b c index obj.index index index 1 index 1 d index物件是不能被修改的 index does not support mutable operations index pd.index np.aran...
利用python進行資料分析
目錄 10 minutes to pandas 翻譯 pandas中loc iloc ix的區別 pandas dropna函式 pandas中dataframe的stack unstack 和pivot 方法的對比 pandas中關於set index和reset index的用法 python匿...