关联规则算法 会用Excel，真的需要再学Python吗？
会用Excel，真的需要再学Python吗？
虽然这种方法可以快速高效地产生结果，但您基本上可以遵循规则，因为您使用设计良好的组件。遇到问题时，不能向下推组件并重建它们。您只能替换其他组件或更改组合方法；
而且，您不能使用大量数据，因为Excel的逻辑关系太弱，就像构建块一样。如果你建的很高，它会倒塌。处理万级数据有点困难，所以Excel不能用来建高层建筑。毕竟，世界上没有用积木建造的高楼。
从数据分析的角度看，Excel的可视化效果较差，数据采集无法与Python相比。这不是Excel的特长，但是Excel在数理统计方面的表现还是很好的
所以当数据量比较小的时候，你想快速得到结果，而且逻辑关系简单，Excel很香
！缺点是您需要能够做任何事情。你需要能够建造墙壁，建造和绘制图纸。自然比excel难学
从效率上讲，处理简单的问题肯定比excel差，但面对复杂的问题，Python的优势可以凸显
有了这堆原材料，你不仅可以建造高楼，还可以建造飞机，船和火箭头，所以人们说，Python是一种通用语言，它可以做任何事情，除了生孩子
另一点是，Python是开源的，至少比matlab（深执迷）好得多
从数据分析的角度来看，Python绝对比excel、数据采集，数据处理和数据分析、可视化都比excel好，当然这只是为了数据分析
当数据量大、逻辑关系复杂时，Python是最佳解决方案
]PS:
当然VBA是另一点。其实，我觉得VBA的学习难度和python没有太大区别，但是使用起来太难了。让我们看看个人的具体需求。这里不详细讨论具体的区别
是一类模式分析方法的通用术语。就具体研究内容而言，主要涉及三种方法：基于卷积运算的卷积神经网络（CNN）；基于多层神经元的自编码神经网络，包括自编码和稀疏编码，近年来受到广泛关注的一种基于多层神经元的深信度网络（DBN）提出了自编码神经网络来优化神经网络的权值。
Python是一种跨平台编程语言。它是一种结合了可解释性、编译器、交互性和面向对象的高级脚本语言。它最初设计用于编写自动脚本（shell）。由于Python语法简单，非计算机专业人员能够快速掌握，且生态环境良好，包管理成熟，可以让您把主要精力投入到深入学习算法的分析和设计中，因此目前大多数研究人员都在使用Python。如果将来有更适合人工智能开发的编程语言，我们也会学习。
关联规则算法 关联规则apriori算法 python关联规则apriori算法
版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。
