资源简介
python 数据挖掘入门与实战 pdf+代码。
送给学习的朋友
代码片段和文件信息
from sklearn.datasets import load_iris
import numpy as np
from sklearn.model_selection import train_test_split
dataset = load_iris()
X = dataset.data
y = dataset.target
n_samplen_features = X.shape
at_means = X.mean(axis=0)
assert at_means.shape == (n_features)
X_d = np.array(X >= at_means dtype=‘int‘)
random_state = 15
X_train X_test y_train y_test = train_test_split(X_d yrandom_state=random_state)
print(y_train)
print(y_test)
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2018-09-10 20:59 python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\
文件 6148 2018-09-10 20:58 python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\.DS_Store
目录 0 2018-09-10 20:59 __MACOSX\
目录 0 2018-09-10 20:59 __MACOSX\python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\
文件 120 2018-09-10 20:58 __MACOSX\python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\._.DS_Store
文件 14820938 2018-09-07 19:59 python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\Python鏁版嵁鎸栨帢鍏ラ棬涓庡疄璺?pdf
文件 233 2018-09-07 19:59 __MACOSX\python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\._Python鏁版嵁鎸栨帢鍏ラ棬涓庡疄璺?pdf
目录 0 2018-09-10 20:58 python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\Code_REWRITE\
文件 8196 2018-09-10 20:58 python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\Code_REWRITE\.DS_Store
目录 0 2018-09-10 20:59 __MACOSX\python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\Code_REWRITE\
文件 120 2018-09-10 20:58 __MACOSX\python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\Code_REWRITE\._.DS_Store
目录 0 2018-09-10 20:58 python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\Code_REWRITE\Chapter 7\
文件 494445 2015-01-19 05:37 python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\Code_REWRITE\Chapter 7\ch7_collect_twitter_data.ipynb
目录 0 2018-09-10 20:59 __MACOSX\python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\Code_REWRITE\Chapter 7\
文件 223 2015-01-19 05:37 __MACOSX\python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\Code_REWRITE\Chapter 7\._ch7_collect_twitter_data.ipynb
文件 557252 2015-06-03 12:26 python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\Code_REWRITE\Chapter 7\ch7_part2_twitter.ipynb
文件 223 2015-06-03 12:26 __MACOSX\python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\Code_REWRITE\Chapter 7\._ch7_part2_twitter.ipynb
文件 12043803 2015-06-28 15:52 python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\Code_REWRITE\Chapter 7\CH7 From Load.ipynb
文件 223 2015-06-28 15:52 __MACOSX\python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\Code_REWRITE\Chapter 7\._CH7 From Load.ipynb
文件 187 2018-09-10 20:58 __MACOSX\python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\Code_REWRITE\._Chapter 7
目录 0 2018-09-10 20:58 python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\Code_REWRITE\Chapter 9\
文件 3658 2015-06-09 10:36 python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\Code_REWRITE\Chapter 9\getdata.py
目录 0 2018-09-10 20:59 __MACOSX\python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\Code_REWRITE\Chapter 9\
文件 223 2015-06-09 10:36 __MACOSX\python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\Code_REWRITE\Chapter 9\._getdata.py
目录 0 2016-10-23 00:11 python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\Code_REWRITE\Chapter 9\.ipynb_checkpoints\
文件 19767 2015-06-28 16:11 python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\Code_REWRITE\Chapter 9\.ipynb_checkpoints\Chapter 9 Authorship Analysis-checkpoint.ipynb
目录 0 2018-09-10 20:59 __MACOSX\python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\Code_REWRITE\Chapter 9\.ipynb_checkpoints\
文件 223 2015-06-28 16:11 __MACOSX\python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\Code_REWRITE\Chapter 9\.ipynb_checkpoints\._Chapter 9 Authorship Analysis-checkpoint.ipynb
文件 187 2016-10-23 00:11 __MACOSX\python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\Code_REWRITE\Chapter 9\._.ipynb_checkpoints
文件 897166 2015-06-28 16:19 python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\Code_REWRITE\Chapter 9\Chapter 9 Authorship Analysis.ipynb
文件 223 2015-06-28 16:19 __MACOSX\python 鏁版嵁鎸栨帢鍏ラ棬涓庡疄鎴?pdf+浠g爜\Code_REWRITE\Chapter 9\._Chapter 9 Authorship Analysis.ipynb
............此处省略140个文件信息
相关资源
- 微博情感分析_python代码
- python数据挖掘入门与实践.zip
- Python数据挖掘实战.zip
- python数据挖掘概念、方法与实践.pdf
- python关于社交网站的数据挖掘和分析
- 源码python数据挖掘入门与实践源码
- python数据挖掘.zip
- Python与数据挖掘中文高清完整版PDF
- movielens(100K)数据集分析,Apriori算法
- Python数据挖掘入门与实践.zip code
- Python数据挖掘入门与实践(高清PDF+随
- 《Python数据挖掘入门与实践 》 作者:
- Python数据挖掘与分析经典资料汇总
- 从零开始学Python数据分析与挖掘高清
- k-means python编程外加课件
- Python数据分析与应用实验报告.docx
- iris.csv数据集和python代码
- Python数据挖掘入门与实战 -用NBA 2013—
- Python-农业知识图谱农业领域的命名实
- Python数据挖掘入门与实战-NBA 2013 —
- chapter7 data
- python_tweets.rar
- 详解python实现FP-TREE进行关联规则挖掘
- 西电数据挖掘作业——k中心聚类pyt
- 西电数据挖掘作业——关联规则apri
- 数据挖掘十大算法源代码Python)
- Kaggle5000部电影数据挖掘源码
- 数据挖掘教学视频实战超详细加pyth
- 四种聚类算法实现对控制图时间序列
- python数据挖掘分类聚类回归关联算法
评论
共有 条评论