python数据分析(DOC 46页)

1.LoanAmount有(614–592)22个缺失值
1.乘2矩阵
1.使用一个更复杂的模型并不能保证更好的结果。
1.减少预测的数量
1.在一些变量中有缺失值。我们应该基于丢失的值的数量明智地估计这些值并评估该变量的重要性。
1.工程特征：导出新信息并试图预测。我将把这留给你的创造力。
1.数据探索—从我们所拥有的数据中发现更多
1.更整齐和更快！Python开发者修正了一些固有的问题和小缺点，
以此为未来建立一个强大的基础。这些可能不是很相关，但最终会很重要。
1.有信用记录的申请人（记得我们在探索时观察到的？）
1.极好的社区支持！这是你在初期需要的东西。Python2发行于2000年末，已经被使用超过15年。
1.数据分析的Python基础
1.数据分析的Python基础
2.在Python上运行一些简单程序
2.Loan_Amount_Term有(614–600)14个缺失值
2.当我们查看数据的分布时，我们看到，applicantincome和LoanAmount似乎在两端都含有极端值。
虽然他们可能有直观的感觉，但应适当处理。
2.很多第三方库！虽然许多库已经提供了3.X的支持，但仍然有大量的模块只工作在
2.X。如果你计划将Python用于具体的应用，如Web开发这种高度依赖外部模块的，你选择2.7可能会更好。
2.数据修改—清理数据和并修改它使它更适合用来统计建模
2.更好的建模技术。让我们探索这个下一个。
2.求二次方程的根
2.申请人或着共同申请人具有较高收入的申请
2.调整模型参数
..............................