목록전체 글 (85)

Data Navigator

[sklearn, KMeans] Kmeans Clustering 을 활용한 데이터 기반 고객 분류

Kmeans Clustering 을 활용한 데이터 기반 고객 분류¶ 연령, 소득 수준, 성별에 따른 소비 패턴을 분석하고 분류¶ In [1]: import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns In [5]: data = pd.read_csv('Mall_Customers.csv', index_col= 0) In [6]: data.head() Out[6]: Gender Age Annual Income (k$) Spending Score (1-100) CustomerID 1 Male 19 15 39 2 Male 21 15 81 3 Female 20 16 6 4 Female 23 16 77 5 F..
Machine Learning, Deep Learning 2021. 2. 1. 16:33
[sklearn, statsmodels] Linear Regression 한국 환경 공단 실내 공기질 분석

한국 환경 공단 실내 공기질 분석¶ In [26]: import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt In [27]: import xlrd In [ ]: 엑셀 데이터로드¶ In [28]: df = pd.read_excel("last_amb_hour_time.xls") In [29]: df.head() Out[29]: Unnamed: 0 Unnamed: 1 Unnamed: 2 Unnamed: 3 Unnamed: 4 Unnamed: 5 Unnamed: 6 Unnamed: 7 Unnamed: 8 Unnamed: 9 Unnamed: 10 Unnamed: 11 Unnamed: 12 Unnamed: ..
Machine Learning, Deep Learning 2021. 1. 28. 22:50
[sklearn] KNN(K Nearlist Neighbors) 알고리즘을 이용하여 고객이탈 예측하기

KNN 알고리즘을 이용하여 고객이탈 예측하기¶ In [135]: import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns KNN (K 와 가까운 거리의 그룹으로 계산, K를 어떻게 설정하느냐에 따라서 결과가 달라짐) 통신사 고객 데이터 로딩¶ In [136]: data = pd.read_csv('churn.csv') pd.set_option('display.max_columns', 100) 을 사용하여 100개의 컬럼까지 탐색¶ In [244]: pd.set_option('display.max_columns',100) In [245]: data.head(100) Out[245]: SeniorCit..
Machine Learning, Deep Learning 2021. 1. 27. 23:14
이전 Prev 1 ··· 20 21 22 23 24 25 26 ··· 29 Next 다음