Data Science Tutorials

Verwende color_palette() für eine klare kategoriale Trennung, cubehelix_palette() für graduell aufeinanderfolgende Daten und diverging_palette() für eine klare Abweichung von einem Mittelpunkt.

Die Poisson-Verteilung modelliert die Wahrscheinlichkeit, dass eine bestimmte Anzahl von Ereignissen innerhalb eines festen Intervalls eintritt. Sieh dir an, wie sie in realen Szenarien wie Warteschlangentheorie und Verkehrsmodellierung angewendet wird.

Erfahre, wie du das bereinigte r-Quadrat interpretieren kannst, um die Leistung eines Regressionsmodells zu bewerten. Vergleiche den Unterschied zwischen r-Quadrat und bereinigtem r-Quadrat mit Beispielen in R und Python.

Lerne, hochdimensionale Daten in einem niedrigdimensionalen Raum mithilfe einer nichtlinearen Dimensionalitätsreduktionstechnik zu visualisieren.

Erfahre, was Pyspark ist und wie es verwendet werden kann, und gib Beispiele.

Erfahre, was eine ausführbare Datei ist und warum sie nützlich sein kann, und schau dir an, wie du ein Python-Skript mit auto-py-to-exe in eine ausführbare Datei umwandelst.

Erforsche sechs wichtige Methoden für die Verkettung von Zeichenketten in Python, indem du anhand von Beispielen die Syntax und die Anwendung der einzelnen Techniken erläuterst.

Lerne etwas über Python Docstrings. Hier findest du verschiedene Beispiele und Formattypen für Docstrings für Sphinx, Numpy und Pydoc.

Lerne die logistische Regression und ihre grundlegenden Eigenschaften kennen und erstelle mit scikit-learn in Python ein maschinelles Lernmodell für eine reale Anwendung.

Ein vollständiger Überblick zum Verständnis multipler linearer Regressionen in R anhand von Beispielen.

Lerne in einem TensorFlow- und Keras-Tutorial Techniken, Anwendungen und Werkzeuge zur Datenerweiterung kennen.

Lerne, mit Python-Objekten auf alle Arten von relationalen Datenbanken zuzugreifen und SQL-Abfragen auszuführen.