mpl_toolkits 第5页

探索性数据分析如何在数据中找到见解

当我开始学习机器学习时，我遇到的第一件事就是EDA，即探索性数据分析。本文是探索性数据分析的基本快速入门指南，它将帮助您启动EDA。本指南将为您提供有关探索性数据分析的基础知识。EDA的目标可归纳如下：最大限度地洞察数据/理解数据结构;可视化暴露变量和结果变量之间的潜在关系（方向和幅度）;...

干货，Python地图可视化三大秘密武器

Python地图可视化库有大家熟知的pyecharts、plotly、folium，还有稍低调的bokeh、basemap、geopandas，也是地图可视化利器。...

布里渊区及能带路径的可视化

先前本公众号已经介绍"五种方法生成能带结构计算的高对称点"，使用里面的方法即可获取相应晶体对应的布里渊区图。在VASPKIT1.20新版本中即将实现布里渊区及能带路径的可视化。相应的脚本文件(见文末代码)已经开放内测，感兴趣的可以到VASPKITFAQsQQ群331895604群文件下载。相...

将机器学习应用于营销支出

本文我们将研究将机器学习应用于营销支出。我们将研究使用营销来预测销售，以及衡量不同营销活动的影响。学习目标这篇文章将给出回归，特征工程和使用神经网络建模数据集的真实示例。问题设定在这个问题上，我们是一个模拟营销组织。我们会查看历史支出和销售额，并将每日营销支出与日常销售情况相对应。...

实时追踪，如何用Python画新冠状病毒疫情地图

作者|天元浪子来源|CSDN博客文章目录1.前言...

学会在3D图中绘制条形图完美应对高维数据

之前我们学习过如何用seaborn来绘制多维度数据的分布情况，感兴趣的可以关注下我的《7天学会Python最佳可视化工具Seaborn》系列；我们也尝试过图形矩阵的方案，也就是用多幅子图的方式将不同的分类水平拆分开来，但是有些时候我们的报告中没有足够的空间，这时应该怎么办呢？这里，我们提供了一种可选...

多维度数据可视化的策略与艺术

描述性分析是与数据科学项目，甚至特定研究相关的任何分析生命周期的核心组成部分之一。数据聚合、摘要和可视化是支持这一数据分析领域的一些主要支柱。自从商业智能时代以来，...

基于贝叶斯推断的回归模型(代码篇)机器学习你会遇到的“坑”

在昨天的课程中，我们提到属性的取值一旦由离散变得连续，就不能用频率来估计概率。但是我们可以用一个概率密度函数来指定属性的类条件概率的估计，比如令条件概率为一个高斯分布:...

基于聚类的无监督学习

无监督机器学习是机器学习任务，推断用“未标记”数据描述隐藏结构的功能（分类或分类不包括在观察中）。使用无监督学习算法的常见场景包括：数据挖掘异常值检测模式识别...

在Python中使用K-Means聚类和PCA主成分分析进行图像压缩

各位读者好，在这篇文章中我们尝试使用sklearn库比较k-means聚类算法和主成分分析（PCA）在图像压缩上的实现和结果。压缩图像的效果通过占用的减少比例以及和原始图像的差异大小来评估。图像压缩的目的是在保持与原始图像的相似性的同时，使图像占用的空间尽可能地减小，这由图像的差异百分比表示。...