肝了半天再加一個晚上。。
之前學了一小段時間的TensorFlow，但是今天練習賽時發現根本沒啥用。。。第一階段早就做完了，今天做的都是第二階段，都是啥玩意題

又是偏度，又是求系數，又是擬合KNN，真的把人看吐了，基本上都是現學現用，查閱了半天資料，翻了無數遍csdn才有些頭緒
結構化數據的題應該做出八道（做出八道才可以開啟第三階段）
其中有四個題是蒙出來的。。。因為這四個題基本上輸出就是0或1，雖然有提交次數，但還是頑強的試出來了。。。
做出四個1,2，3,5
求偏度和boxcox1p變化都是有固定函數的，直接套用即可
偏度：skew()
第二題：計算體重的偏度

import scipy.stats as st import pandas as pd pd.options.display.max_columns = None pd.options.display.max_rows = None path1 = "/home/kesci/input/liver_df9751/結構化數據訓練營.csv" # chipotle.tsv df = pd.read_csv(path1) df.head(30) aveTime = df['Weight\n體重'].median() chipo['Weight\n體重'].nunique() df2 = df.fillna(aveTime) col = df2.iloc[:, 3] arrs = col.values ##print(arrs) w=st.skew(arrs) # 計算偏度 ## 0.7565543738808015 print('%.4f'%w)

boxcox1p變換：boxcox1p（）
用boxcox1p對體重做變換，lambda=0.1，變化后的數據的偏度是多少？

import scipy.stats as st import pandas as pd from scipy.special import boxcox1p pd.options.display.max_columns = None pd.options.display.max_rows = None path1 = "/home/kesci/input/liver_df9751/結構化數據訓練營.csv" # chipotle.tsv df = pd.read_csv(path1)aveTime = df['Weight\n體重'].median() wt = df['Weight\n體重'].fillna(aveTime)lam=0.1 wt = boxcox1p(wt, lam) w=st.skew(wt.values) # 計算偏度 ## 0.7565543738808015 print('%.4f'%w)

第五題我真的要好好說說，真的絕了，線上題：
用上題同樣的數據擬合KNN（K=5）,分類結果和真實結果不一致的有多少個？
上題同樣的數據指的是：只選取年齡、體重和 ALF（缺失值用中位數填充，不做任何額外處理）

我一遍一遍的翻資料，看了無數個KNN的文章，重要在一個文章找到KNN的用法，KNN也是有函數的KNeighborsClassifier(n_neighbors=5)，里面的n_neighbors也就是題目中的K
我們得到了分類結果，但是并不夠，真實結果是什么？我們一直沒想明白，因為我們把所有數據都作為訓練集來訓練KNN，就是KNN的生成是需要數據的，然后還需要數據來測試，但是題目只給了一套數據，后來我在想會不會是自身生成的KNN來檢測自身？也就是用訓練集生成的分類結果來檢驗自身的分類結果
于是我和同學輸出了分類結果和原數據自身的結果，發現不相等，差值即為答案

import scipy.stats as st import pandas as pd import regex as re pd.options.display.max_columns = None pd.options.display.max_rows = None path1 = "/home/kesci/input/liver_df9751/結構化數據訓練營.csv" # chipotle.tsv # path2="/home/kesci/inputver_df9751/結構化數據訓練營測試集.csv" data = pd.read_csv(path1) # data_test=pd.read_csv(path1) col_names=list(data.columns) col=[] for i in range(len(col_names)):if re.findall(r"\u2028(.+)",col_names[i])!=[]:col.append(re.findall(r"\u2028(.+)",col_names[i])[0])elif re.findall(r"\n(.+)",col_names[i])!=[]:col.append(re.findall(r"\n(.+)",col_names[i])[0])else:col.append(col_names[i]) ## 修改dataframe列名 data.columns=col feature1 = ['體重','年齡','ALF'] for i in feature1:ave=data[i].median()data[i] = data[i].fillna(ave)print(data[i].values) a_zi=[] for i in range(len(data)):c=[data['體重'][i],data['年齡'][i]]a_zi.append(c)from sklearn.neighbors import KNeighborsClassifierneigh = KNeighborsClassifier(n_neighbors=5) neigh.fit(a_zi, data['ALF']) cnt=0 for i in range(len(a_zi)):if(neigh.predict([a_zi[i]])==data['ALF'][i]):cnt+=1 print(len(a_zi),cnt,len(a_zi)-cnt)

真的是絕了絕了。。。
明天繼續肝

總結

以上是生活随笔為你收集整理的疾病预测和天气分析练习赛的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。