-

Win11。

默认情况下，LogisticRegression 的 penalty 参数设置为 ‘l2’，同时 solver 参数默认为 ‘lbfgs’，它是一种优化算法，用于找到损失函数的最小值。C 参数控制正则化的强度，其默认值是 1.0，较小的 C 值意味着更强的正则化（即更平滑的模型），而较大的 C 值则意味着更弱的正则化（允许模型更复杂）。而在 scikit-learn 中，当你使用 LinearRegression 类时，是否添加常数项（截距）是由类初始化时的 fit_intercept 参数决定的。

在统计学和机器学习中，敏感性（Sensitivity）、特异性（Specificity）、阳性预测值（Positive Prediction Rate, PPV）、阴性预测值（Negative Prediction Rate, NPV）和误分类错误（Misclassification Error）是评估分类模型性能的常用指标。这些指标在不同的应用场景中可能会有不同的重要性。例如，在医疗诊断中，可能会更关注敏感性 sensitivity (recall)，以确保尽可能多的实际病例被检测出来；

在Pandas中，可以使用pivot方法将行转换为列，这通常被称为“透视”操作。以下是一个简单的例子来说明如何进行行转列：输出：输出：Category在这个例子中，index参数指定了哪一列作为新DataFrame的行索引，columns参数指定了哪一列的值将作为新DataFrame的列名，而values参数指定了哪一列的值将填充到新DataFrame中。请注意，pivot方法要求索引/列名组合必须是唯一的，也就是说，每个Category和Year的组合必须是唯一的。

不可以写 w.recordDate = y.recordDate+ 1 因为是日期，跨月份会找不出来！

要找出 tie 的 highest salary！

注意，不能按name筛选！

但是，如果你想基于某个计数来过滤记录，你可以使用 HAVING 子句，而不是 WHERE 子句。HAVING 子句在功能上与 WHERE 子句相似，但它是针对分组后的数据进行过滤的。这个查询会返回 column1 的值和每组的记录数，但只有当 column1 相同的记录数大于 1 时才会被包括在结果中。如果你确实想在 WHERE 子句中使用类似 COUNT() 的逻辑，你可能需要使用子查询或者 JOIN 操作来实现。请注意，过度使用子查询可能会导致性能问题，特别是在处理大量数据时。

找出第二高的 salary。

【代码】Leecode pandas groupby keep cols 1070. Product Sales Analysis III。

在此示例中，sales_data.groupby（‘product’） 按 ‘product’ 列对销售数据进行分组，而 agg（{‘quantity_sold’： [‘sum’， ‘mean’]}） 将 sum 和 mean 函数应用于每个组的 ‘quantity_sold’ 列。结果是一个包含所有原始列的新 DataFrame 和一个新列 ‘quantity_sold_sum’，其中包含每个组的 ‘quantity_sold’ 列的总和。如果要将所有原始列保留在分组的 DataFrame 中，

*应用到科学方法论，We can measure the distance of a theory to the real world data, ie, to examine a theory is good or bad, using likelihood. **例：两个盒子，一个有5个黑球5个白球，另一个有9个黑球1个白球。现抽4次，每次放回地抽1个球。问最可能从哪个盒子抽的。例，无穷多个盒子，它们有黑球的比例是从0到1不等。抽4次，4个都是黑球。

这就是为什么 uncorrelated 不意味着 independence.也即，dependent variables 不一定 correlated.但是所有的 independent variables 都一定是 uncorrelated.我们学Correlated 是指相关性，相关性是指线性相关性就是两个变量有没有线性关系。你的其他的关系，他是他是不管的。

我们碰到的绝大多数都是 conditional 的probability。比如，given miu, sigma square, 才能讨论一个正态分布。

然后，我们使用 partial 来创建一个新的函数 multiply_by_three，它固定了 multiply 函数的第一个参数为3。在这个例子中，我们创建了一个 my_function 的部分函数 my_partial_function，它已经固定了参数 a=1 和 b=2。我们使用 partial 来创建一个新的函数 print_person_age，它固定了 print_age 函数的 fmt 参数。假设我们有一个列表的字典，我们想要提取每个字典中的特定key的值，并且对这个值应用一个函数。

模型结构：深度学习中的参数化模型，如深度神经网络（DNNs），通过其深层结构能够学习数据的非线性表示，这使得它们能够在高维空间中有效地捕捉复杂的模式。例如，主成分分析（PCA）就是一种常用的降维技术，它可以找到数据的主要变化方向，并将数据投影到这些方向上，从而降低维度。通过限制模型参数的复杂度，正则化帮助模型专注于最重要的特征，从而提高模型的泛化能力。总的来说，参数化模型通过假设数据的结构、利用降维技术、正则化、深层结构和计算优化等方法，能够在高维空间中有效地进行学习和预测，从而克服维度灾难。

例如，在AWS OpsWorks中，stack是指一组AWS资源，如EC2实例和RDS数据库，它们一起用于托管和管理应用程序的不同层。在AWS中，"stack"通常指的是AWS CloudFormation中的一个概念，它表示一组可以作为单个单元进行管理的AWS资源。总的来说，Amazon EC2提供了计算能力，Amazon S3提供了存储能力，YAML文件用于编写配置，而AWS CloudFormation 则用于自动化资源的部署和管理。通过CloudFormation，可以自动化资源的部署和管理过程。

在 PySpark 中，确实存在一个类似于 Pandas 中 shift 函数的功能，它被称为 shiftleft 函数。不过，这与 Pandas 中的 shift 函数有所不同，后者用于将数据在时间序列中上下移动。如果想在 PySpark 中实现类似于 Pandas shift 的功能，即将 DataFrame 中的行或列向上或向下移动，你可以使用 lag 或 lead 函数。例如，如果你有一个整数列，并且你想要将每个值的二进制表示向左移动一位，你可以使用 shiftleft 函数。

在SQL Server中，CONVERT()函数可以用于多种数据类型之间的转换，包括字符串到日期。当转换日期时，通常可以省略格式说明，只要字符串的格式是SQL Server能识别的。在 PySpark 的 SQL 模块中，to_date 是一个用于将字符串或数值类型转换为日期类型的函数。在MySQL中，你可以利用STR_TO_DATE()函数，这个函数需要两个参数：待转换的字符串和该字符串对应的日期格式。Oracle数据库使用TO_DATE()函数来转换字符串为日期，并且也需要你指定字符串的格式。

使用pd.concat或pd.merge合并多个DataFrame。使用pd.DataFrame.from_records。使用pd.DataFrame.from_dict构建。使用pd.DataFrame.from_items。使用pd.DataFrame的构造函数。• 从Excel文件读取。使用Series对象构建。• 从SQL数据库读取。使用NumPy数组构建。• 从CSV文件读取。• 将字典的值作为列。• 将字典的键作为列。