pandas实训项目预测员工工资带文档和数据集下载改名字既能用
weixin_441842781.76MB需要积分:1资源文件列表:
pandas实训预测.zip 大约有7个文件 
王浩杰/.ipynb_checkpoints/
王浩杰/.ipynb_checkpoints/Untitled6-checkpoint.ipynb 33.11KB - 王浩杰/.ipynb_checkpoints/王浩杰项目作业-checkpoint.ipynb 1.47MB
- 王浩杰/pandas预测项目作业.ipynb 472.92KB
- 王浩杰/test.csv 440.83KB
- 王浩杰/train.csv 449.88KB
- 王浩杰/数据可视化加预测实训报告.doc 439.5KB
资源介绍:
pandas实训项目预测员工工资带文档和数据集下载改名字既能用
数据分析与可视化应用实训报告
姓 名
学 号
二级学院
专 业
班 级
指导教师
【考核内容】
利用 Pandas 与相关可视化库完成数据的分析、处理与可视化任务，并利用
KNN、决策树、随机森林等算法对数据进行分类或预测。数据选题应具有正面积
极的意义，可从以下大类方向中选取：
· 信息类
· 金融类
· 交通类
· 食品安全类
· 体育类
· 健康信息
· 商品类
评分细则：
· Pandas 完成数据分析的合理性与正确性（20 分）
· 数据预处理的合理性与正确性（20 分）
· 选择合适的模型进行分类或预测（30 分）
· 数据可视化图表的美观性与简洁性（10 分）
· 数据分析观点的创新性（10 分）
· 报告内容的完整性与描述准确度（10 分）
【数据源描述】
描述所处理数据集的结构，字段的含义，记录数。
MSSubClass：标明销售中涉及的住宅类型
MSZoning：标明了销售的一般分区分类
LotFrontage：与房产相连的街道的直线英尺
LotArea：地块大小，以平方英尺为单位
Street：通往房产的道路类型
Alley：通往物业的小巷类型
LotShape：地段形状规整程度
LandContour：房地的平整度
Utilities：可用的公共设施类型
LotConfig：地段配置
LandSlope：土地坡度
Neighborhood：周边地区位置
Condition1：与各种条件相近
Condition2：毗邻各种条件（如果有一个以上的条件）
BldgType：住房类型
HouseStyle：住宅风格
OverallQual：对房屋的整体材料和装修进行评价
OverallCond：房屋的整体状况评分
YearBuilt： 原始建筑日期
RoofStyle：屋顶风格
RoofMatl：屋顶材料
Exterior1st： 房屋的外部覆盖物
Exterior2nd：房屋的外部覆盖物（如果超过一种材料）
MasVnrType：砖石饰面类型
MasVnrArea：砖石饰面的面积，单位为平方英尺
ExterQual：评价外部材料的质量
ExterCond： 评价外部材料等级
Foundation：地基类型
BsmtQual：评估地下室的高度
BsmtCond： 评估地下室的总体状况
BsmtExposure：走道或花园层的墙壁评价
BsmtFinType1：地下室完工面积的评级
BsmtFinSF1：第一类完成的平方英尺
BsmtFinSF2 ：地下室完工面积的评级（如果有多种类
型）。
BsmtUnfSF：未完成的地下室面积的平方英尺
TotalBsmtSF： 地下室面积的总平方尺
Heating：暖气类型
【数据处理与分析】
描述数据处理与分析的过程，代码及运行结果截图
加载文件并对其查看空值数量
weixin_63179615
qichongjin
u010575833
2401_85243108
qing_zhi_feng
qq_43410878
2403_85393604
m0_62900545