文件名称：Cryptocurrencies
文件大小：3.09MB
文件格式：ZIP
更新时间：2024-04-30 20:34:53
JupyterNotebook
加密货币 对于此分析，我们检查所有可交易的货币，将它们分类为特定的组，然后确定哪些货币值得投资。为此，我们将实践以下内容。 数据缩放 主成分分析 KMeans确定聚类 所有这些都是使用Jupyter Notebook与Pandas和ScikitLearn库一起执行的。 第1步：预处理我们的数据。 读取csv文件后，我们必须确保数据处于准备就绪的状态以供处理。 因此，在执行其他任何操作之前，我们必须执行以下操作。 删除NaN 删除失效的加密货币 没有任何供应就删除加密货币 第2步：标准化我们的数据。 我们将StandardScaler用于我们的算法和ProofType功能。 标准化我们的数据中心时，平均值为零，标准偏差为1。这样做是为了以后不会扭曲我们的结果，就像我们需要绘制数据时一样。 步骤3：在我们的按比例缩放的数据上使用PCA（主成分分析） 这样可以将我们数据的特征数
【文件预览】：
Cryptocurrencies-main
----DetermineCluster.png(213KB)
----KMeans_ElbowCurve.png(271KB)
----Scatterplot_cryptos.png(74KB)
----crypto_data.csv(59KB)
----crypto_clustering.ipynb(6.76MB)
----PCA_columns.png(189KB)
----MergeDataframes.png(183KB)
----3DVisualizations_of_Clusters.png(125KB)
----StandardizeData.png(120KB)
----README.md(3KB)
----MinMaxScaled.png(208KB)