# DataAnalysisProject

**Repository Path**: oceanrivers/data-analysis-project

## Basic Information

- **Project Name**: DataAnalysisProject
- **Description**: 本项目选择以下数据源完成数据分析相关工作：
https://www.kaggle.com/competitions/sp
其中ghj负责完成分类和聚类部分的工作，wwr负责完成数据预处理、统计分析、回归分析部分的工作，zhx负责完成频繁项集、关联规则挖掘部分的工作
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-12-06
- **Last Updated**: 2025-03-28

## Categories & Tags

**Categories**: Uncategorized

**Tags**: pandas, numpy, matplotlib, sklearn

## README

# 数据预处理1.0 
时间：2024年12月8日22：40<br>
内容：完成对分类所需数据和聚类所需数据的预处理部分,其中聚类所需要的预处理可能后续根据需求要更改，其余应该不变（注意运行时先运行processed.py）

# 统计分析1.0
时间：2024年12月11日23: 04<br>
内容：完成分析消费直方图，透视表和以cabin为根据的饼图、以目的地为根据的消费散点图，姑且算参考，根据分类聚类情况可能变更

# 分类任务1.0
时间：2024年12月12日22:02:30 <br>
内容：完成了分类任务，使用了决策树算法实现分类，在使用朴素贝叶斯时出现了错误，错误原因暂未弄清

# 分类任务1.1
时间：2024年12月18日22:54:30 <br>
内容：这次分类使用了新的数据预处理的结果（缺失值处理采用填补的方式），此次更新主要是为了能将分类结果上传到kaggle上进行评测

# 聚类任务1.0
时间：2024年12月12日22:29:22 <br>
内容：完成了聚类任务，使用DBScan算法实现的

# 聚类任务1.1
时间：2025年1月5日15:39:56 <br>
内容：优化了聚类结果图的绘制

# 频繁挖掘1.0
时间：2024年12月14日10:00:00 <br>
内容：完成与传送有关的规则挖掘任务，后续打算挖掘更多规则

# 数据预处理1.1 
时间：2024年12月14日23：12<br>
内容：修改关联规则所需的预处理部分，以及增加线性回归所需的预处理操作

# 统计分析1.1
时间：2024年12月15日17：25<br>
内容：新增关系间的热力图分析，以及线性回归模型的分析，热力图中各变量相关性不强；线性回归模型采用了三种，结果都不佳，更换回归模型

# 数据预处理1.2
时间：2024年12月18日21：47<br>
内容：更改预处理步骤，添加了将缺失值进行填补而非去除的处理方式

# 统计分析1.2
时间：2024年12月18日23：19<br>
内容：更改回归分析位置，移动到AnalysisOfRegression软件包中

# 频繁挖掘1.1 
时间：2024年12月20日20:32:56<br>
内容：新增频繁项集的挖掘，探索了哪些消费的组合出现更多