Python实战笔记-常用知识点

一、自学Python的最终的目标是
a，实现自动化办公
b，实现数据的爬取
c，实现基本的数据分析（SEMMA）
S:Sample(收集数据)
常用手段：问卷调查，数据库查询，实验室实验，仪器设备的记录
E：Explore(数据探索)
探索方向：离散变量的分布比例，连续变量的分布形态，数据的异常和缺失，特征选择
M：Modify（数据修正）
常用修正方法：数据类型的转换，数据的一致性处理，异常值和缺失值的处理，数据形态的转换
M：Model（数据建模）
常用的模型：有监督的预测性模型（如回归、决策树、KNN等），有监督的判别模型（如logistics、贝叶斯、集成算法等），无监督模型（如Kmeans聚类、层次聚类、密度聚类等），半监督模型（如关联规则等）
A：Assess（模型评估）
常用十种检验方法：RMSE，混淆矩阵，ROC曲线，KS曲线
确保准确性：增加样本量，扩展维度ÿ