粉丝1209获赞6137

四行拍放代码,算出三个月后的销售额, nice。

现在我们再去对太平洋汽车当中的一个销量数据进行排取,你在这个菜单栏当中去点击销量,点击销量之后呢,在这销量排行有三种车型,第一个是轿车,第二个是 suv, 第三个是 mpv。 那么我们一个一个去看,分析一下它的 url, 在这里点击更多,点击更多之后呢?这是轿车九月份销量的一个排行榜,那么我们再看一下月份,我如果改成八月呢?改成八月,他这块就是一个 m 八, 我如果再点回来,九月,这就是一个 m 九,他没有分页吗?我们到下面去看一下,他在这里头呢,没有去做任何的一个分页,所以那这个是他的一个 ul, 那这是谁的?这个是轿车的,轿车的 二零二二年九月份的一个销量。那然后紧接着我们再去看,再去看我们的一个呃销量,销量当中的 suv, suv, 同样我们也是给他先改成别的月份,然后紧接着再改回九月,那你看那这个是 suv 的 suv 的 销量数据,看一下这两个 uil 之间,你只需要改成 t 一和 t 二就可以了。然后后面的这是年份,这个是月份。再看一下销量排行当中的 mpv, mpv, 老规矩改成八月出现月份改成九月,再回来 ctrl 加 c 粘贴过来,然后我们会发现啊,这个是 m p m p v, 然后我们在这当中,你看这个 t 是轿车, t 二是 su vt 三的话是 mpv。 后面这是个年份,这个是一个月份。那么我们要想查看不同年份,不同车型,不同月份,是不只需要改这三个参数就可以了。 好了,那这个分析完成之后呢,我们再去看一下数据的一个提取检查,检查之后呢,我们去把它放到这个地方,放到这个地方你看一下他在这整个的数据,是把它放到了一个表格当中,而且比较有意思的是也比较好提取。为什么你看 第一个表格,他用的类样式是 col 一,那么第二个表格呢?他用的是 col 二,第三个 col 三,第四个 col 四,第五个 col 五,第六个 cl 六。所以呢我们可以通过这些去进行 定位我们的元素,所以比较好定位。那现在呢,我们开始给大家写代码,这个是叫做视力啊。十杠四,咱们要采取的是太平洋汽车不同车型二零二零二二年 九月份销量排行数据,这个是咱们要爬取的,实际上你爬取的一定是二零二二年的九月份吗?不一定的,你可以去修改年份。 然后在这当中呢,我们有一些东西我们得需要把它导入进来,首先的话咱们要导入的东西,你把前面这些复制过来就可以了,这些是咱们要导入的模块。然后呢我们还这个 class pc outer, 这是一个类,然后在类当中呢,我们去创建这个 driver web driver, 点 a 拿过来,然后开始写我们的 u l sales, u l 就销售的 u l, 销售的 u l, 你到这里头拿一个就行了, ctrl 加 c, 我们把它粘贴过来,你要改谁啊?改这个东西, 这个东西一表示轿车一二三,然后紧接着我们要去改他的一个年份,然后还要改他的一个月份,是不还需要运到格式化。然后最后呢我们去放一个列表, sios 哈 排行 top 类似的,让他去存储我们的总共的一个数据,然后开始我们去编解函数,啊,叫方法。 sales car 要提供三个参数,第一个参数你提供的是一个 a u m, 就是一二三,然后要 提供一个年份页,还要提供一个帽子,最后还要提供一个 tab, 你知道这个 tab 什么吗?这个 tab 指的是车型,这个 typ 它指它指的是轿车, su, v 还是 mpv, 我们要把它都卡取出来,存到我们的数据库当中。那在这呢,我们先看一下,咱们要第一个先去 self 点 driver, 点 get 发送请求,呃, self self 点 seal u r, l, 然后紧接着 format n u m, e 帽子,然后把他的这个站位服进行填充,填充完成之后,咱们首先要定位的什么?首先要定位的排名,定位,排名,排名的时候老师说 通过什么定位呢?它是在表格当中,所以你用这 col e 去定位它,那么我们在这的时候就是 serve 点 driver, 点 fund elements by, 掰点 class name y 六,它比较好定位的 c u l 一,然后它定位出来的是一个排名,排名的话咱们叫 top n u m, 然后我们看一下可不可以 four item in top n u m 还是老规矩,我们需要测试一下,看一下有没有定位得到 m a i n 创建这个类的对象, 然后去调用 outer, 点 see you cars。 你要给的是一个轿车,二零二二年的九月份的,二零二二年九月份的,然后呢,咱们是轿车好了,然后现在我们去运行, 看一下,咱们定位的就是排名,看一下,哎,这个出来了是吧?一共是两百零九条,你看一下他的确是两百零九条,没有问题,那么他的这个排名定位出来之后,你要把它去存储到一个列表当中,所以呢,我们在这写个叫做 top list, 让它去存储排名。存储排名,那我们就不测试了,叫 top list, 点 a pand, 把 item, 点 past 拿过来,这是排名, 排名完成之后呢,还要去看一下第二个叫什么?第二个他写的是车系,所以我们要去定位 车系,车系咱们叫 b r a n d brand e l e 就是 element safer driver, 点 fun 的 elements by by, 点 class a 老说他比较好定位,就是 col 列的意思, colome 一,一直到 colome 六,呃, ceol 二,然后 for it 什么音本 run 的,还是测试一下 item, 点 test, 可以了,没有问题了,咱们再往里存车系,没有问题,出来了,出来了之后呢,那咱们就继续了,这个是车系,把它存储到一个列表当中,列表叫 around list, 存储车系, around list there are panda item, 点 test, 然后看一下第三个是什么?第三个是一个官方价,官方价就是一个 price, 所以那么我们再去定位一下官方价,定位官方价 pro rise e r e starf, 点 driver, 点 fun 的 alimon 十八, 掰掰,点 class name y 了,这个是 c o l 三,这个就不测试了,我就直接给你存了音,把它存储到什么地方呢?还是要存储到一个列表当中,所以在这的时候就是 pro list, 这个是存储官方价,所以 praise lisa apan 的 i 什么点太早,这个是官方的一个定位架,然后他的从属品牌,从属品牌的话,那就是 col 四, ctrl 加 c, 那这个是定位 松鼠品牌,把这个改一下名字,这个叫做 r e l bread e, 把它改成四,然后这个你要去给他添加到另外的一个列表当中,这个列表的名 字我们把它叫做 r e l brend, 类似这个是存储从属品牌 r e l 类似耳畔的从属品牌,那这块的你得也得改啊,你都得改明白,利索的 从属品牌。定位完成之后又是月份以及总销量,定位月份销量,还有那么就是定位总销量,月份销量是谁?月份销量的话咱们是一个五,所以 sales n u m e r e self 点 driver find elements by by, 点 class name value 是 c o l 五,然后总销量,总销量是 sam, 那么总销量是六, 剩下这是便利 for itemi sales, 然后开始把它进行一个存储,存储的这个叫存储销量的列表。 sales num, 类似存呃,存储 月份销量的 sales some list 存储总销量的,那然后紧接着到这的时候你是存储的这个是呃 n u m 的 item, 点泰式这个报 item 音 some s a 萨姆利斯点额判的啊?点太子,那你把它都存储完成之后,老规矩该干什么了?该使用 vip 函数进行打包,使用 vip 函数进行打包 for, 那你的第一个是什么?第一个的话是他的一个编号,所以呢,编号的话咱们用的是 top list t, 然后那么第二个是它的一个品牌,第三个官方售价,第四个是从属品牌,第五个是它的一个销量,第六个是它的一个总销量, 一二三四五六,然后音,音谁呢?音 z i p 第一个是它的一个 top, 例子就是它的一个序号, 然后紧接第二个是它的 brand, 第三个是它的一个官方售价,第四个是它的一个纯属品牌,第五个是一个它的这个 num 销量,月份销量,然后是下 总销量,然后我们这个呃,叫做 sale, 最上面那列表叫什么来着?叫做 sale car sales, self self the sales car top list, 点个 pan p b p r n s, 那这样的话就进行一个打包,打包完成之后呢,咱们需要进行一个测试啊,在下面的时候呢,我们在这的时候去输出一下, 输出一下 auto, 点秀 top list, 去看一下列表当中的内容进行输出,如果可以输出,那就证明是没有问题的,看一下数据有没有都排取回来,稍等,这个数量还是比较大的。 腾讯运行结束,那么我们需要去看一下最后的一条,最后的一条是两百零九条,然后呢 官方售价是十三点,这个现代,然后售价一,总共的销量三百七十六,哎,数据是没有问题的,那这个是轿车的,轿车的有了之后,那么是不是还有 suv 以及 mpv 啊? 那你把这个改成什么就可以了,把这个改成二,把这个改成 s u, 喂,我们这回再来测试一下,看一下他这回打开的网址是不是 suv 的,看是 suv 的,然后整个九月份的销量。哦,九月份的一个销量数据一共是三百一十七条, 我们去看这个数据量比刚才还大,所以呢,你需要等待时间可能会更长一些,他会因为他没有分页操作,他会把所有的数据都给你爬取出来,最后再控 含金显示,当然你要给他一些时间了,这个爬取出来的数据最终也是要把它存储到数据库当中的,所以呢我们在视力 十杠三当中咱们写了存储数据库的一个代码,一会我们把它直接粘过来就行。看最后一条数据是宝骏二十六,我们去看一下宝骏,然后总销量的话是二十六,一点问题没有。

哈喽,大家好,我是我不可能,那么今天呢我来给大家介绍一下怎么使用 pass 完成这个随机森林进行数据训练,并且预测,还有结果精度的一个分析。 首先呢我们要使用 python 去完成我们的随机森林预测的话,我们需要导入一些库,这些潘纳尔斯啊, number i 啊这些呢都是我们基础的数据处理的库。然后包括后面这个 math blood, 它其实是画图要用的一些库, 主要用的话就是这个斯给楞。一般呢我们对这个数据进行预测的话,首先呢就是要对数据进行一个清洗,嗯,对数据进行清洗和准备之后呢,然后我们再使用这个随机森林方法来进行训练和预测。 那首先呢我们直接来看一下这个主程序啊,这里呢其实他是设置了我们这个输出的一些设置,我们其实可以这里可以不用 管他。然后呢我们来读取我们的数据,我们先直接来运行一下,运行一下我看一下我们读取的数据是什么样子,然后我们就运行,运行完之后呢我们然后我们看一下我们的数据是什么样子的 啊?这个 dat 呢,它是这样一个形式,就是它一共有七列,然后一共有一千七百多行它这样一个数据,然后呢我们可以看到就是它有的呢是数字,有的呢是字母。 按照这样一个形式的话,我们不能使用我们的随机森林来对他进行预测,这个时候呢我们要对他进行一个预处理。 那首先呢我们做了这样一件事情,就是我们去给他加了一个元素的那个 index, 呃,其实呢这个加不加都行,但是呢加上的话我们会更加清晰一些。首先呢我们先获取这个 美特当中它的元素的一个个数,然后呢我们创建了一个这样的一个元素表,我们通过把这个元素表呢和他的这个序号组合,就是组合 变成列表,变成字典。然后呢我们最后把这个就是新的这个元素呢去给他塞到这个炕里,我们可以就是把上面这部分呢去给他运行一下,运行完之后呢我们看一下结果就知道了,我们可以看到这个 day 呢,他 双击一下,我们可以看到 des 呢,它这个 index 呢,它这里就变了,变成了就是我们这个 index 本来是从零到六的,然后现在变成了我们这里对应的这个 元素元素,对吧?那这样的话我们也可以顺带说一下,嗯,前面六个呢就相当于是一个车他不同方面的不同方面的六个指标。 然后呢就是最后是我们决定要不要买这个车,就是我们接受不接受这个车的一个情况,就相当于是前面六个呢是一些客观的条件。最后一个呢是我们的一个结果。 现实当中呢我们使用随机森林的话,大概也是这样一个情况,就是有很多很多的就是不同的条件。然后最终呢有一个我们这样最在意的一个结果, 那完成这一步之后呢,我们要进行下面的一步就比较重要了,这个呢 我们称为是 one hot 编码。那这这个呢,我们看一下他做了一件什么样的事情啊?就通过这几个步骤我们运行,运行完之后呢,其实他这个我们可以看 他把这个东西保存在这个 x 里面,他把这个到负一的这个呃元素呢全部进行了循环,其实就是最后一个结果没有循环,其他的全部都循环了,然后利用这个 get dumps 这个函数 来对我们这个 dat 进行了一个处理,我们可以看一下它处理完之后呢,它是这个 x x 变成了这样一个形式,我们可以对比一下原来的这个 dat 和我们现在这个 x 它有什么样的区别。我们可以看到这个拜它后面是嗯 very high, 然后嗯 high, 然后还有一些其他结果,可能,然后这个 mountain 呢,它也是 high, very high, 然后我们可以看到这个 by 后面它直接是跟了 high law meet very high, 然后呢就这这个对应的这个 very high 呢就直接变成了一, 然后其他的都是零,就说明呢就是原来他在这个败下面他就是 very high, 我们可以看到他原来的这个害的这个部分呢,在他这个败害的这个地方呢,他是一,然后其他部分呢都是零这样一个形式,就相当于把它转化成这种零一编码的这种形式。 然后其他的话也都是这样的一个规律,就是原来的就是对应的几种情况,然后如果对应的情况是一是他,然后就是一,不是他,就全部是零的这样一个规律。 那好我们把这个 x 转化完,也就相当于是把我们的变量呢全部进行了一个数据化啊,那接下来的话,我们要对我们的结果进行我们原来的结果呢,全部都是这个啊 符的一个形式,那这样的话我们是没办法进行处理的,那这里的话,我们看一下他处理完之后是什么样的一个效果,我们把这一行呢也去给他运行一下。我们运行完之后呢,我们点开这个 y, 我们发现他全部进行了一个数值化, 全部变成了零一二三四这样的一些数。在这里完成这一步的话,我们相当于是对我们原来的条件,包括我们最终的一个结果呢,全部进行了数字化。 完成这一步之后呢,其实我们就可以进行我们的随机森林的一个训练和预测了,但是呢这里呢我们对这个结果呢又进行了进一步的处理, 其实我们也可以不处理,没有问题。嗯,那接下来的话,我们就要对数据进行一个分离,利用我们这个还 函数,就是我们从这里导入的这个函数,我们可以直接用。然后我们这个呢是 x 和 y 呢,是我们分别需要进行分离的数据,他们是一一对应的, 然后这个呢是我们的一个比例,这就说明呢是百分之三十呢是用于测试的数据,百分之七十呢是用于训练的数据。返回的结果当中呢, x 和 y 当中储存的就是我们训练数据的那个自变量和音变量,然后这个 test 里面呢,它就是我们的这个 测试数据的自变量和音变量。接下来的话我们要创建一个随机森林分类器,这个呢就是我们创建随机森林分类器的一个过程,这里面呢涉及到两个参数,一个呢是我们决策数的一个数量,另一个是我们 角色树的一个深度,这个角色树的数量的话,我们在之前给大家讲那个角色树和随机森林的时候讲过,就是随机森林呢,它是由多颗角色树来组成的,那这里的话就是我们 要求他有六十颗绝对数组成,然后这个最大的这个深度呢,其实就是他分类的这个次数,最多呢只能分八次。 嗯,那现在呢,我们相当于建立好了我们这个随机森林分类器,我们呢把我们的这个训练数据呢去给他进行代注,这一步的话,我们就相当于是对训练数据进行了一个训练啊,训练完之后呢,我们就可以利用我们的这个分类器来进行预测了, 然后就调用这个 predict 这个函数,然后对我们这个训练级呢进行一个预测,预测的结果呢存储在这里面,然后我们利用这个矩阵当中 这个函数呢我们可以计算它的一个精确度,其实也就是我们的正确率,这里的 y 呢就是我们实际的一个结果,这里呢就是我们随机森林预测的一个结果, 那我们除了对训练级进行处理的话,还对我们的测试级进行一个预测,同样的是我把我们这个测试级的这个自变量输入到这个预测函数里面,然后我们得到测试级预测的一个结果,然后我们可以返回测试级的一个预测深度。其实我们到这里的话,就已经完成了随机森林的 训练和预测的过程,包括我们的这个精切度,我们也已经得到了啊,接下来的话这个这一部分呢,他计算了一个 auc 这样一个参量,他是经过,他是通过我们一个这样一个函数,把我们的这个结果呢进行一个二指化,变成这样的一个形 是,然后再计算我们 aoc 的这样一个量。如果大家对这个 aoc 这个东西呢是有要求的话,大家可以就是继续看后面的东西,如果没有要求的话,其实到上面这一部分呢,其实完全够用了 哦,那接下来下面这些全是关于画图设置的,就我就不详细跟大家说了。然后我们最终再运行一下, 运行完之后呢,我们可以看到就是训练级的精度,还有这个我们测试级的一个精度,包括这个 a o c。 嗯, 那我们这里呢,我们可以看一下他这个图呢是关于我们这个 aoc 的一个图。那以上的话就是我们本期视频的全部内容了,如果你觉得这个视频对你有用的话,请给我一个一键森林,非常感谢,再见。

给他一个深度学习股票预测系统,他能顺利毕业。哈喽,祝大家国庆节快乐。接下来我们进入主题,我们可以在输入框输入预测未来天数,点击开始预测按钮, 等待模型的预测,然后就可以看到预测结果了。我这里预测是未来六天的,我们来看一下刚选择的苹果股票数据,我这里拿这个股票数据的最后一天来预测他未来的走势。 接下来我们选择其他股票进行预测,然后这个预测未来天数可以随便改的,要点击开始预测按钮就可以了。这个模型已经训练好了,他预测未来 走势的日期是从选择该股票数据的最后一天,然后往后预测多少天的。比如说你这个股票是今天的,他就预测从今天往后多少天的,这里天数可以随便改。 这个代码可以用来用于一切的时间序列数据,比如说黄金价格、天气温度,反正跟时间序列有关的数据。好的,这期视频讲到这里,谢谢观看。

在抖音短视频卖书有多赚钱?我用爬虫搞了一份八月份的抖音图书音像销量排行榜,咱们是用拍摄来玩一下这个数据, 这个数据总共有五百条,每条数据是某个短视频,他的作者昵称、粉丝数,销售额,销售量。后面的商品标题,我选的工具是交谈都不可。首先咱们有判断的这个扣,然后咱们读取文件配的一点 ready s r 传入为你的名字,我取一下你啥子名称? df 等于他 ok, dfd shape 数据总共呢五百条,十二列,我们想看他列名。 df 定 columns, 里面有排名标题,作者的昵称、粉丝数、销售额,销量等列, 我想看销售额这一列的统计数据。第二副销售额,点击 subscribe 这份书记里面呢,非常夸张。第一个视频卖多少?一百五十万的销售额,然后我们看一下按销售额降去排序,前几名是哪几个? 我们 df 点 shot 排序, values by 等于销售额。 a singing 你 fauce 我们群内几列呢?视频标题,作者昵称,作者粉丝处和我们的销售额, 知己知己列第一个视频想对你说的话,这个抖音的主播叫大兵,卖了一百五十二万的销售额。第二个后面好多小孩子的书啊,王老师讲育儿一百四十四万,这个数据非常好玩,我们后面继续探索。

自学派森第七天开始爬虫爬取数据,第一个作品新能源车型月销量走势图,三分钟看完新能源成长走势, 二零二二年以后,新能源只有比亚迪和其他了。

如何利用赛 gpt 搞定数据分析?比如做一个手机厂商的数据的 camings 这类算法,输入提示词、文件名称,看表头内容,准备好数据,存成 xosx 格式,然后把代码复制到拍暂中。 需要对数据简单处理一下,运行后可以看到 communs 剧类结果。接下来我们做一个深度学习算法, cnn 卷积曾经网络 输出 safe 十数据级分类准确率,然后把代码复制的拍散中变形后可以看到准确率学习的结果。更多算法可以在这本 check 快速搞定数据分析中学习。前两个算法我也是从这本书中学会的,包含数据清洗、数据异常值处理、数据特征提取、 数据可视化、神经网络预测、数据回归分析、剧类分析、深度学习等等。算法有五十多种 chat 数据 分析策略,以通俗易懂的语言解释数据分析和 checkup 的原理及应用。这本书巧妙地利用叉扣,全面而深入地解决了从数据收集到预测建模的各种数据分析问题。 nice!

大家好,我是陪伴你成长,持续分享干货的 v 怪。今天我们讲一个非常小众的知识点,因为这块内容在很多常规编程教学里面是不会教的。 ok, 那我们就植入主题吧,如何用拍访来处理时间序列数据? 时间序列就是一组根据时间的变化来变化的数据,在金融领域里面最常见的就是这个时间序列了,也包括了股价的走势。那今天的内容也非常的简单,主要代码部分不会超过五行,我会从三个方面给大家讲清楚, 一是从 excel 表格中导入数据,二是建模,三是数据可视化。第一个部分我们用 panda 把数据从 excel 表格中导入,具体操作可以参考我这一期的内容, 数据的话选用的是从零九年到一九年某个网站某一页的浏览量的数据,时间为天数。第二个部分就是建模了,我们用到的模型是 facebook 在一七年年底发表了一个专门用作时间序列数据预测的模型,叫 profe 顾问,翻译是先知。这个模型的特点呢,是十分简单易用,而且不需要任何的参数调整,非常适合新手上手。这里我们先导入 tolfie 这个库,然后用 face 这个函数把我们数据放入模型当中训练。接下来呢,我们可以用 make you 是 date friend 这个函数来规定我们想要往后预测多长时间的数据。这里因为我们数据级的时间单位是天, 所以我们只需要往里填入三百六十五,我们就可以往后预测三百六十五天的数据。最后呢,我们会用这个函数来做出数据走势的预测。 第三部分就是数据,可是画了 facebook profit 这个库有自带的数据,可是画的函数,我们只需要用到 power 这个函数就可以把模型的最后结果画出来。从图中我们可以看到黑色的数据点是真实的数据点,深蓝色的是模型预测出来的结果, 浅蓝色的是模型预测出来的康复的 cinder 这里我们看到一六年到一七年是没有黑色的数据点的,说明这个深蓝色的区域 是模型完全自己预测出来的数据走势。好了,以上就是今天如何用拍访来处理时间序列的内容了,另外要强调一点,虽然可以用拍访做时间序列模型来预测股票的价格,但股票价格属于没有规律的数据级,所以我们在使用的时候一定要谨慎使用。关注微怪,有颜又有料!

学完了拍散到底有什么用处?分享一个我的课程,里面一个真实的案例,就是电商数据的关键词分析。比如说你自己开了一个店铺, 你自己想要知道哪些关键词对商品的销量或者说转化更好,那么你就可以找一些同行业销售非常好的店铺,把他们的商品价格销量呢给趴去下来。趴去了以后呢,首先得标题进行分词,得到一个月的关键词, 然后机关键词就可以统计出来哪些关键词销量最好,哪些关键词转化率最高,那么你就可以得到一批有价值的关键词,应用到自己的店铺上,逐步的借鉴模仿地带 来形成一批你自己店铺的有价值的关键词,逐步做大做强。还是那句话,成功才是成功之母,你接近别人成功的地方,你可以成功的更快。