(1.18)-6.1大數(shù)據(jù)分析與挖掘建模概述_第1頁
(1.18)-6.1大數(shù)據(jù)分析與挖掘建模概述_第2頁
(1.18)-6.1大數(shù)據(jù)分析與挖掘建模概述_第3頁
(1.18)-6.1大數(shù)據(jù)分析與挖掘建模概述_第4頁
(1.18)-6.1大數(shù)據(jù)分析與挖掘建模概述_第5頁
已閱讀5頁，還剩8頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

大數(shù)據(jù)分析與挖掘建模BIGDATA

大數(shù)據(jù)分析與挖掘工作的核心環(huán)節(jié)。1大數(shù)據(jù)分析與挖掘建模概述2預知考試能否及格——邏輯回歸3預測商場銷量的高低——決策樹4顧客消費價值分析——聚類分析6發(fā)電廠發(fā)電量的預測——神經網絡5西紅柿與排骨的關系——關聯(lián)規(guī)則選擇模型訓練模型評估模型應用模型優(yōu)化模型訓練集測試集業(yè)務集1.1大數(shù)據(jù)分析與挖掘建模流程1.1大數(shù)據(jù)分析與挖掘建模流程1.1.1模型的選擇1.1大數(shù)據(jù)分析與挖掘建模流程1.1.2訓練模型通常將數(shù)據(jù)集分為訓練集和測試集；使用訓練集訓練模型；使用測試集對訓練好的模型進行評估。1.1大數(shù)據(jù)分析與挖掘建模流程1.1.3評估模型1.1大數(shù)據(jù)分析與挖掘建模流程

1.1.4應用模型客戶畫像社交媒體游戲娛樂銀行信息歷史信息網上購物1.1大數(shù)據(jù)分析與挖掘建模流程

1.1.5優(yōu)化模型模型優(yōu)化存在以下幾種情況：1.重新選擇一個新的模型；2.模型中增加新的考慮因素；3.嘗試調整模型中的閾值到最優(yōu)；4.嘗試對原始數(shù)據(jù)進行更多的預處理。1.2Python建模庫

1.1.1Sklearn庫簡介（Scikit-learn）1.是一個開源的Python機器學習庫；2.基于Numpy、SciPy和Matplolib等Python庫和模塊；3.提供了強大的數(shù)據(jù)挖掘和分析工具，主要包括數(shù)據(jù)預處理、數(shù)據(jù)降維、特征選擇、大數(shù)據(jù)分析與挖掘建模、模型選擇、交叉驗證方法等基本功能。1.2Python建模庫

1.1.2Sklearn庫的功能結構1.2Python建模庫

1.1.3Sklearn庫內置的數(shù)據(jù)集數(shù)據(jù)集名稱加載方法手寫數(shù)字數(shù)據(jù)集load.digits()波士頓房價數(shù)據(jù)集load.boston()糖尿病數(shù)據(jù)集load.diabetes()鳶尾花數(shù)據(jù)集load.iris()人臉數(shù)據(jù)集fetch_lfw_people()

Olivetti臉部數(shù)據(jù)集fetch_olivetti_faces()新聞分類數(shù)據(jù)集fetch_20

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論