- 博客(55)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 python 层次分析（AHP）
传统定性分析方法类似专家打分、专家判断等，仅能将指标简单地划分为几个层级（类似非常重要、比较重要、一般、比较不重要、非常不重要），这样导致部分存在差别但是不大的指标得到了同样的权重，受主观因素影响，无法对最终决策做出更好的帮助。计算权重向量以及一致性检验.（步骤如上文，为了简便文章，本次计算采用python代码，以和积法求解权重，下文将详细介绍）计算权重向量以及一致性检验.（步骤如上文，为了简便文章，本次计算采用python代码，以和积法求解权重，下文将详细介绍）其中，n为矩阵阶数，此处n=4。
2024-02-22 22:41:37
1474
1
原创 Excel 分组排名
此处空值参与排名；不参与排名则公式改为：=IF(C2=“”,“”,SUMPRODUCT((A:A=A2)*(C:C>C2)) +1)：相同值的项将获得最小排名、排名会断层。
2023-08-23 21:34:16
1554
1
原创 python 数据分析面试题：求分组排第n名的记录数据
遇到相同值的情况，返回结果可能与预期不一致，如原数据中，数学成绩=99的有两位学员，此时当n=2时，只返回其中一位学员的记录；n=3才会返回两位学员的记录数。：该函数作用是返回每一列中最大值的索引（所以为什么前文的数据处理中需要重置索引）。：该方法可以延伸至求分组排名、分组排第n名的记录数据等问题，是比较完善的答案。：返回指定列排序后的前 N 个最大值所对应的行。：df.idxmin() 取最小。
2023-08-03 15:19:19
630
原创 卡方检验笔记
卡方检验属于非参数检验，由于非参检验不存在具体参数和总体正态分布的假设，所以有时被称为自由分布检验。原假设H0H_{0}H0：观察频数与期望频数没有显著性差异。
2023-06-14 18:45:56
863
原创 python 时间序列分解案例——加法分解seasonal_decompose
加法分解模型适用于随着时间推移趋势和季节性变化不断累加，并且随机波动比较稳定的时间序列数据。YtStRtYtStRt其中，YtY_{t}Yt：实际观测值TtT_{t}Tt：趋势（通常用指数函数来表示）StS_{t}St：季节指数（一般通过计算每个季节的平均值得到）RtR_{t}Rt：残差（无法被趋势和季节性解释的部分）
2023-04-10 10:33:21
4391
4
原创 Backtrader案例：简单双均线
买入：MA5 上穿 MA20卖出：MA5 下穿 MA20回测对象：上证指数起始时间：2020.1.1截止时间佣金：双边各 0.03%滑点：双边各 0.01%
2022-11-26 20:00:00
738
1
原创 python Matplotlib.pyplot.title 绘图设置标题
【代码】python Matplotlib.pyplot.title 绘图设置标题。
2022-09-23 14:00:23
6107
原创 python pandas 求DataFrame中各数值的百分比
首先，需要学习下DataFrame.div()函数的用法。参考：Python Pandas dataframe.div()用法及代码示例例题新建一个DataFrame（索引是编号）import pandas as pddf = pd.DataFrame( {"a":[1,2,3], "b":[4,5,6]}, index=["001","002","003"])按列求百分比df / df.sum()按行求百分比df.div(df.sum(a.
2022-05-06 19:45:00
6266
原创 Adaboost分类算法原理及代码实例 python
Adaboost分类算法原理及代码实例一、Adaboost 简介一、Adaboost 算法过程二、简单实例三、python 实现3.1 sklearn.AdaBoostClassifier 参数说明3.2 导入相关库与数据集3.3 划分训练集、预测集3.4 Adaboost模型训练3.5 模型预测与评价一、Adaboost 简介 集成学习(Ensemble Learning) 是机器学习领域表现最强的一大分支，主要原理是将多个弱机器学习器结合，构建一个有较强性能的机器学习器。集成学习方法可以分为
2022-04-28 20:00:00
5999
2
原创 python 二项分布
一、定义1.1 0-1分布也称伯努力分布若随机变量X只有两个可能的取值0和1，其概率分布为P(X=xi)=pxi(1−p)1−xi,xi=0,1P(X=x_{i}) = p^{x_{i}}(1-p)^{1-x_{i}} \qquad,x_{i}=0,1P(X=xi)=pxi(1−p)1−xi,xi=0,11.2 二项分布二项分布是指在只有两个结果的n次独立的伯努利试验中，所期望的结果出现次数的概率，记B(n,k,p)=Cnkpk(1−p)n−kB (n,k,p)=
2022-04-24 14:31:13
3516
原创 python 决策树分类 泰坦尼克生存预测
决策树二分类之泰坦尼号克生存预测一、项目简介1.1 项目背景1.2 目标问题1.3 字段描述二、训练集（train）建模2.1 导入相关库2.2 自定义函数2.3 特征工程2.3.1 数据导入2.3.2 数据初探（1）特征信息（2）特征缺失值比例统计（3）数值特征描述统计2.3.3 单特征可视化分析与处理（1）Survived 是否存活（2）Pclass 乘客等级（3）Name 乘客姓名（4）Sex 性别（5）Age 年龄（6）SibSp 堂兄弟妹个数（7）Parch 父母与小孩的个数（8）Ticket 船
2022-04-24 00:14:45
4760
1
原创 手撸梯度下降和python实现
文章目录一、梯度下降概念1.1 梯度1.2 梯度下降1.2.1 梯度下降相关概念1.2.2 梯度下降的详细算法（1）代数描述（2）矩阵描述二、案例实战2.1 手撸2.1.1 代数形式2.1.2 矩阵形式2.2 python 实现2.2.1 代数形式2.2.2 矩阵形式一、梯度下降概念1.1 梯度从几何意义上讲，梯度就是函数变化增加最快的地方.在微积分里面，对多元函数的参数求 ∂\partial∂ 偏导数，把求得的各个参数的偏导数以向量的形式写出来，就是梯度。如函数 f(x,y)f(x,y)f(x,
2022-03-20 18:00:32
1692
原创 python 皮尔森相关系数（Pearson）
文章目录一、概述二、定义2.1 总体样本定义2.2 估算样本定义2.3 两种计算方式2.4 皮尔森距离三、python 实现3.1 生成随机数据集3.2 绘制散点图3.3 计算相关系数3.3.1 自定义函数（无显著性检验）3.3.2 python 函数（1）pandas.corr 函数（无显著性检验）（2）scipy.stats.pearsonr 函数 （有显著性检验）（3）pandas.corr 加 scipy.stats.pearsonr 获取相关系数检验P值矩阵一、概述皮尔森相关系数也称皮尔森积
2022-03-16 14:19:08
47120
1
原创 python re.sub() 正则替换（多字符串替换）
一、参数解析re.sub( pattern, # 正则中的模式字符串 repl, # 替换的字符串，也可为一个函数 string, # 要被查找替换的原始字符串 count = 0 # 模式匹配后替换的最大次数，默认 0 表示替换所有的匹配)二、案例import reimport pypinyinstr_ = "这是我的老婆--云韵" # 案例1: 将云韵改为美杜莎result = re.sub(r'云韵', "美杜莎", str_
2022-03-15 14:19:09
9508
2
原创 python pandas ewm 一次指数加权移动平均
文章目录一、公式二、DataFrame.ewm() 参数comspanhalflifealphamin_periodsadjustignore_naaxis三、python 案例一、公式yt=(1−α)yt−1+αxt y_{t} = (1-\alpha) y_{t-1} + \alpha x _{t} yt=(1−α)yt−1+αxt其中，xxx 是实际观测值二、DataFrame.ewm() 参数alpha、span、com、halflife 这四个参数必须选一指定DataFram
2022-03-14 17:33:19
11375
原创 python 信息熵（含联合熵、条件熵）
三、python 实现import mathfrom collections import Counterdef Entropy(DataList): ''' 计算随机变量的熵 ''' counts = len(DataList) # 总数量 counter = Counter(DataList) # 每个变量出现的次数 prob = {i[0]:i[1]/counts for i in counter.items()} ..
2022-03-11 15:01:56
6112
原创 python 信息熵
文章目录一、熵的概念与定义二、python 实现一、熵的概念与定义熵概念 熵，在信息论中是用来刻画信息混乱程度的一种度量。熵最早源于热力学，后应广泛用于物理、化学、信息论等领域。1850年，德国物理学家鲁道夫·克劳修斯首次提出熵的概念，用来表示任何一种能量在空间中分布的均匀程度。1948年，Shannon在Bell System Technical Journal上发表文章“A Mathematical Theory of Communication”，将信息熵的概念引入信息论中。本文所说的熵就
2022-03-11 11:51:09
4392
原创 python 关联规则
文章目录一、基本概念定义1. 记录（事务）定义2. 事务集定义3. 项目（项）定义4. 项目集（项集）定义5. k项集定义6. 支持度（Support）定义7. 置信度（Confidence）定义8. 最小支持度（min Support）定义9. 最小置信度（min Confidence）定义10. 提升度定义11. 频繁K项集定义12. 候选K项集定理1定理2二、Apriori 算法流程三、Apriori 算法小案例py一、基本概念例表定义1. 记录（事务）如 {ABCD}, {ABCE}
2022-03-06 21:33:47
5461
原创 python pandas 五位整数与日期之间互相转换
import pandas as pddef Time2Num(Time): ''' 日期转五位整数 ''' delta = pd.to_datetime(Time) - pd.to_datetime("1899-12-30") return delta.daysdef Num2Time(NumberTime): ''' 五位整数转日期 ''' delta = pd.Timedelta(str(Numb
2022-03-01 17:54:23
1973
原创 python二维列表转一维列表
list_ = [[1,2,3], [5,8], [7,8,9]]法一[i2 for i1 in list_ for i2 in i1]法二from tkinter import _flattenlist(_flatten(list_))参考：Python二维列表转换为一维列表
2022-02-26 14:17:38
1910
原创 python DataFrame isin() 与 ~isin()
文章目录一、生成测试数据集二、isin()2.1 单一条件筛选2.2 多个条件筛选三、~isin()一、生成测试数据集import randomimport pandas as pdnames = ['南宫婉','雅菲','余靖秋','姜立','小舞','胡列娜','比比东','云韵','美杜莎','焰灵姬']df = pd.DataFrame( { "name" :names, "age" :[random.randint(18,25) for i
2022-02-26 14:03:19
13014
1
泰迪杯2019年A题（题目pdf+参考文献pdf高清+机器学习源代码）
2019-03-16
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人