发表于 | 0
字数统计: 81 | 阅读时长 ≈ 1

数据内容

image.png

导入数据：

1
test <-read.table("filename.txt",header=TRUE）

会出现错误：Error in scan(file, what, nmax, sep, dec, quote, skip, nlines, na.strings, :3行没有2元素

修改：

1
test <-read.table("filename.txt",header=TRUE,fill=TRUE）

空值设为NA

na.strings = ""

1
test <-read.table("filename.txt",header=TRUE, fill=TRUE, na.strings = "")

发表于 |
字数统计: 483 | 阅读时长 ≈ 1

apply家族函数

apply函数族是R语言中数据处理的一组核心函数，通过使用apply函数，我们可以实现对数据的循环、分组、过滤、类型控制等操作。

阅读全文 »

发表于 |
字数统计: 284 | 阅读时长 ≈ 1

概述

正则表达式(Regular Expression)在字符串模式匹配，在字符串搜索和替换中展现强大的功能。

常用的正则表达式语法我将其总结为7类：

先看一个概括的整理

image.png

阅读全文 »

发表于 |
字数统计: 321 | 阅读时长 ≈ 1

Imbalanced classes put “accuracy” out of business. This is a surprisingly common problem in machine learning (specifically in classification), occurring in datasets with a disproportionate ratio of observations in each class

  • Up-sample the minority class

    • resample module with replace = True

  • Down-sample the majority class

    • resample module with replace = False

  • Change your performance metric

    • Area Under ROC Curve (AUROC)
    • from sklearn.metrics import roc_auc_score

  • Penalize algorithms (cost-sensitive training)

1
2
3
SVC(kernel='linear', 
            class_weight='balanced', # penalize
            probability=True)

  • Use tree-based algorithms

    • from sklearn.ensemble import RandomForestClassifier
阅读全文 »