Tutorials voor data-analyse

Ontdek data-analyse met Python. Met Pandas DataFrames manipuleer je je data eenvoudig, van het selecteren of vervangen van kolommen en indexen tot het herschikken van je data.

Beheers PCA toepassen in R in deze tutorial. Normaliseer data, bereken hoofdcomponenten met princomp(), en visualiseer resultaten met screeplots en biplots.

Lees onze stapsgewijze instructies voor het upgraden van Pip en Python op Windows, macOS en Linux. Houd je omgeving up-to-date en compatibel.

Leer hoe je pixel-perfecte paginatierapporten maakt in Power BI, van setup tot ontwerp en publicatie, met Power BI Report Builder.

Leer hoe je key-valueparen toevoegt aan een Python-dictionary met methoden zoals notatie tussen rechte haken, .update() voor bulktoevoegingen en .setdefault() voor voorwaardelijke invoegen.

Leer hoe je list comprehension in Python effectief gebruikt om lijsten te maken, (geneste) for-loops en de functies map(), filter() en reduce() te vervangen, ...!

Leer hoe je de pop()-methode van Python gebruikt om elementen uit lijsten en dictionaries te verwijderen, inclusief hoe je items verwijdert tijdens het itereren. Leer veelvoorkomende fouten zoals IndexError en KeyError te vermijden.

Begrijp hoe je items uit een lijst in Python verwijdert. Maak kennis met methoden zoals remove(), pop() en del voor lijstbeheer.

Leer hoe je een getal afrondt op twee decimalen in Python met round(), f-strings, format(), de decimal-module, NumPy en meer — inclusief een tabel met methodevergelijking.

Leer hoe je XML-bestanden kunt parsen, verkennen, aanpassen en vullen met het Python-pakket ElementTree, for-loops en XPath-expressies.

Ontdek hoe Q-Q-plots een handig visueel middel zijn om normaliteit te beoordelen. Vergelijk geobserveerde data met een theoretische verdeling zoals de normale verdeling om afwijkingen te benadrukken. Leer de modelfit te diagnosticeren.

Dit artikel behandelt hoe en wanneer je random forest-classificatie gebruikt met scikit-learn, met focus op concepten, workflow en voorbeelden. We laten ook zien hoe je de confusion matrix en feature-importance gebruikt.