- 1、本文档共10页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
8南宁职业技术学院
NCVTNANNINGCOLLEGEFORVOCATIONALTECHNOLOGY
厨
数据挖掘与机器学习
DATAMININGA°NDMACHINELEARNING
处理电商平台用户行为数据
电商平台用户购买预测——逻辑回归
任务描述处理电商平台用户行为数据
某电商平台需要对该平台的运输行为进行分析,并预测运输行为是否会按时到达。
本任务需要对这些数据进行处理和分析,以帮助该电商平台更好地了解运输行为,并优化运输策略,提高客户满意度。
在处理敏感的电商平台用户数据时,需要特别关注网络信息安全问题。在数据预处理过
程中,应当采取措施保证用户数据的机密性、完整性和可用性。
本任务的目标是对原始数据进行数据预处理与探索,包括数据的哑变量处理和属性构造。
任务要求处理电商平台用户行为数据
探索电商平台运输行为数据。
对性别变量进行哑变量处理。
构造总成本的特征。
Part1相关知识
·哑变量处理
·离散化处理
·属性构造
离散化处理处理电商平台用户行为数据
什么是离散化处理?
·离散化处理主要应用于某些场景下的连续变量数据,将其转化为离散变量数据,从而降低数据的复杂度、降低计算量,提高模型的建立和训练效率。
·常见的离散化方法有等宽离散化、等频离散化等,可以根据实际情况选择不同的离散化方法。
等宽法处理电商平台用户行为数据
什么是等宽法?
等宽法(Equi-WidthBinning)将变量的取值范围划分为k个等宽的区间,将落在同一个区间内的数据归为同一类。
014
等宽法处理电商平台用户行为数据
什么是等宽法?
等宽法(Equi-WidthBinning)将变量的取值范围划分为k个等宽的区间,将落在同一个区间内的数据归为同一类。
处理电商平台用户行为数据
年龄
[26-30]
[31-35]
[20-25]
[36-40]
[31-35]
[26-30]
[26-30]
[26-30]
{3640]
[26-30]
等宽法
等宽法划分示例图
用户ID
1
2
3
4
5
6
7
8
9
10
年龄
28
32
25
40
35
27
30
26
38
29
等宽法处理电商平台用户行为数据
如何实现等宽法处理?
在Python中,使用pandas库的cut函数可以实现等宽离散化处理,其基本使用格式如下。
pandas.cut(x,bins,right=True,labels=None,retbins=False,precision=3,
include_lowest=False,duplicates=raise)
参数名称
说明
X
接收Series或Numpy。表示输入的数据集,无默认值
bins
接收int。指定离散化的区间,可以是一个整数、一个序列(表示区间边缘的数值)或者字符串(表示自定义区间的名称),无默认值
right
接收bool。是否包含右边界,默认为True
labels
接收bool。指定离散化后每个区间的标签,可以是一个列表或数组,长度应该与分组后的区间数量相同。默认为None
等宽法处理电商平台用户行为数据
cut函数常用参数及其说明
pandas.cut(x,bins,right=T
您可能关注的文档
- 《汽车节能与新能源技术应用》高职PPT完整全套教学课件.pptx
- 《嵌入式系统原理与开发》课件_第5章.pptx
- 《数据挖掘与机器学习》 课件 项目二 农产品信息可视化分析——NumPy、pandas 与 Matplotlib 库.pptx
- 《数据挖掘与机器学习》 课件 项目七 新闻文本分析——聚类.pptx
- 《数据挖掘与机器学习》 课件 项目三 建筑工程混凝土抗压强度检测——线性回归.pptx
- 《数据挖掘与机器学习》 课件 项目四 电商平台运输行为预测——逻辑回归.pptx
- 《数据挖掘与机器学习》 课件 项目五 加工厂玻璃类别识别——决策树、随机森林.pptx
- 《数据挖掘与机器学习》 课件 项目一 搭建数据挖掘与机器学习编程环境.pptx
- 《数据挖掘与机器学习》 课件2.2.2 pandas数据结构.pptx
- 《数据挖掘与机器学习》 课件2.2.3 数据清洗.pptx
- 北师大版(2024)八年级数学上册课件 3.2 平面直角坐标系 第2课时 点的坐标特征.pptx
- 北师大版(2024)八年级数学上册课件 3.2 平面直角坐标系 第3课时 建立适当的平面直角坐标系.pptx
- 北师大版(2024)八年级数学上册课件 4.3 一次函数的图象 第1课时 正比例函数的图象及性质.pptx
- (人教A版数学选择性必修三)讲义第15讲7.1.1条件概率(学生版+解析).docx
- (人教A版数学选择性必修三)讲义第19讲8.1成对数据的统计相关性(8.1.1变量的相关关系+8.1.2样本相关系数)(学生版+解析).docx
- 北师大版(2024)八年级数学上册课件 5.2 二元一次方程组的解法 第2课时 加减消元法.pptx
- (人教A版数学选择性必修一)2025年秋季学期讲义第01讲1.1.1空间向量及其线性运算(学生版+教师版).docx
- 北师大版(2024)八年级数学上册课件 5.2 二元一次方程组的解法 第1课时 代入消元法.pptx
- 北师大版(2024)八年级数学上册课件 5.3 二元一次方程组的应用 第3课时 二元一次方程组的应用(3).pptx
- 北师大版(2024)八年级数学上册课件 5.4 二元一次方程与一次函数 第2课时 用二元一次方程组确定一次函数表达式.pptx
文档评论(0)