2502_91770809的博客

对于信贷数据的其他模型，如LightGBM和KNN 尝试用下贝叶斯优化和网格搜索。3. 贝叶斯优化（2种实现逻辑，以及如何避开必须用交叉验证的问题）2. 随机搜索（简单介绍，非重点 实战中很少用到，可以不了解）2. 将字符串数据按照数据类型进行编码（标签编码、独热编码）4. time库的计时模块，方便后人查看代码运行时长。3. * 划分数据集（8:1:1）* 划分数据集（8:2）

例如，“Annual Income”“Years of Credit History”“Credit Score”等特征的取值范围差异较大，可通过特征缩放将它们的取值范围统一到[0, 1]或均值为0、标准差为1的分布上。若是真实存在的极端值，可能需要保留，但在某些模型中可能需要进行特殊处理，如采用稳健的统计方法或对数据进行变换。特征选择：通过相关性分析等方法，选择与目标变量“Credit Default”相关性较高的特征，去除相关性较低或冗余的特征，以降低模型的复杂度和过拟合的风险。

之所以这个函数很有用，是因为它允许我们同时迭代一个序列，并获取每个元素的索引和值。iterable -- 迭代对象，迭代对象可以是列表、元组、字典、字符串等。enumerate()函数返回一个迭代对象，该对象包含索引和值。返回一个迭代对象，该对象包含索引和值。start -- 索引的开始值。字符串映射为数字（用字典）这里很奇怪只画出二个图。

键只能是唯一的，只能使用字符串、数字、元组，列表不可用（不可以引用位置）之前离散数据中没有顺序的可以用独热编码，函数：pd.get_dummies。1、定义：字典是使用键值对存储数据，键值对之间的使用。现在对有顺序和大小关系的离散特征，做标签编码。值：value表示数据。

使用中文，和更改负号形式。

单特征可视化：连续变量箱线图（还说了核密度直方图）、离散特征直方图。特征和标签关系可视化。

对独热编码后的变量转化为int类型。今天学习用独热编码对数据进行处理。对离散变量进行one-hot编码。对独热编码后找到所有新特征。对所有缺失值进行填充。

打开数据（csv文件、excel文件）查看数据（尺寸信息、查看列名等方法）利用循环补全所有列的空值。众数、中位数填补空值。

创建一个包含三个字符串元素的列表 tech_list，元素分别为 “Python”, “Java”, “Go”。修改 tech_list 中的第二个元素（索引为 1），将其从 “Java” 更改为 “Ruby”。定义一个包含整数的列表 scores，赋值为 [85, 92, 78, 65, 95, 88]。获取列表中的第一个元素，并将其存储在变量 first_tech 中。- 28-35度：打印"黄色预警：天气炎热"- 20-27度：打印"绿色提示：适宜温度"- 低于20度：打印"蓝色预警：注意保暖"

题目: 定义两个整数变量，score_a 赋值为 75，score_b 赋值为 90。比较 score_a 是否大于 score_b，将比较结果（布尔值）存储在变量 is_a_higher 中；比较 score_a 是否小于等于 score_b，将结果存储在变量 is_a_lower_or_equal 中；比较 score_a 是否不等于 score_b，将结果存储在变量 is_different 中。题目: 定义两个字符串变量，str1 赋值为 “Hello”，str2 赋值为 “Python”。

计算这两个变量的和，并将结果存储在一个新的变量 a 中；计算这两个变量的商，叫做b；计算这两个变量的余数，叫做c。然后，使用 f-string 打印出类似 “20 加 8 的结果是：28” 的信息，分成三行打印。计算折扣后的价格，并将结果存储在变量。然后，使用 f-string 分两行打印出类似以下格式的信息。和 f-string，如何让姓名和城市分两行输出？函数将每个变量的值单独打印出来，每个值占一行。存储你所在的城市（字符串，例如。存储你的名字（字符串，例如。定义两个浮点数变量，