【實(shí)訓(xùn)心得】Python實(shí)訓(xùn)總結(jié)報(bào)告

四、數(shù)據(jù)分析：

1、數(shù)據(jù)分析具有極廣泛的應(yīng)用，典型的數(shù)據(jù)分析可能包含以下三步：

(1)搜索性數(shù)據(jù)分析：當(dāng)數(shù)據(jù)剛?cè)〉脮r(shí)，可能雜亂無(wú)章，看不出規(guī)律，通過(guò)作圖，造表，用各種形式的方程擬合，計(jì)算某些特征量等手段探尋規(guī)律性的可能形式，即往什么方向和用何種方式去尋找和揭示隱含在數(shù)據(jù)中的規(guī)律性

(2)模型選定分析：在探索性分析的基礎(chǔ)上提出一類(lèi)或幾類(lèi)可能的模型，然后通過(guò)進(jìn)一步的分析從中挑選一定的模型

(3)推斷分析：通常使用數(shù)理統(tǒng)計(jì)方法對(duì)所定模型或估計(jì)的可靠程度和精確程度作出推斷

2、數(shù)據(jù)分析主要包括：

(1)簡(jiǎn)單的數(shù)學(xué)運(yùn)算(Simple Math)

(2)統(tǒng)計(jì)(Statistics)

(3)快速傅里葉變換(FFT)

(4)平滑和濾波(Smoothing and Filtering)

(5)基線和峰值分析(Baseline and Peak Analysis)

3、scatter():散點(diǎn)圖

k-means算法/k均值算法(聚類(lèi)算法中典型算法)

k-means算法也稱(chēng)為k均值算法。K-means算法以k為參數(shù)，把n個(gè)對(duì)象分成k個(gè)簇，使簇內(nèi)具有較高的相似度，而簇間的相似度較低。

(1)隨機(jī)選取k個(gè)聚類(lèi)中心 k=3(分為幾類(lèi)：)可以隨機(jī)產(chǎn)生三個(gè)坐標(biāo) 聚類(lèi)公式(歐式定理)d=(x1-x2)*(x1-x2)+(y1-y2)*(y1-y2)開(kāi)根號(hào)

(2)做分類(lèi)

因?yàn)椋篸a1

4、KNN最近鄰算法原理：

(1)計(jì)算已知類(lèi)別數(shù)據(jù)集中的點(diǎn)與當(dāng)前點(diǎn)之間的距離;

(2)按照距離遞增次序排序;

(3)選擇與當(dāng)前距離最小的K個(gè)點(diǎn);

(4)確定前k個(gè)點(diǎn)所在類(lèi)別的出現(xiàn)概率;

(5)返回前k個(gè)點(diǎn)出現(xiàn)頻率最高的類(lèi)別作為當(dāng)前點(diǎn)的預(yù)測(cè)分類(lèi);

五、python面向?qū)ο笤O(shè)計(jì)

概括知識(shí)點(diǎn)如下：

(1)初始化將需要的屬性賦予它;

(2)在python中，構(gòu)造函數(shù)稱(chēng)為初始化函數(shù)。

(3)簡(jiǎn)易網(wǎng)絡(luò)爬蟲(chóng)原理與設(shè)計(jì)

相關(guān)推薦：

【Python培訓(xùn) 】從入門(mén)到精通 打造Python精英人才

【Python入門(mén)免費(fèi)課程】引領(lǐng)編程開(kāi)發(fā)新趨勢(shì)