2016年11月_wenwut

原创 xgboost特征选择

Xgboost在各大数据挖掘比赛中是一个大杀器，往往可以取得比其他各种机器学习算法更好的效果。数据预处理，特征工程，调参对Xgboost的效果有着非常重要的影响。这里介绍一下运用xgboost的特征选择，运用xgboost的特征选择可以筛选出更加有效的特征代入Xgboost模型。这里采用的数据集来自于Kaggle | Allstate Claims Severity比赛，这里的训练集如

2016-11-27 11:22:05 45142 10

原创 [Python] Python基础笔记

1.Python是一种解释型语言.Python解释器是通过“一次执行一条语句”的方式运行程序的。Python科学计算程序员则更趋向于使用IPython（一种加强的交互式Python解释器）。通过使用命令%run，IPython会在同一个进程中执行指定文件中的代码。（.py文件和IPython解释器在同一目录下，或者运行时加上文件路径）%run hello_world.py #out: He

2016-11-14 13:46:11 915

原创 [Python] xgboost在windows上的安装

1. xgboost的简介Xgboost是Tianqi Chen大神实现的一个boost算法框架。在Kaggle比赛的很多题目中都大放异彩，是个值得强力推荐的机器学习实战框架。网上有很多windows下安装xgboost框架的教程，主要分两类：用Git + MingW进行安装用visual studio编译安装、由于本博主电脑恰好安装了visual studio2015，因此

2016-11-20 10:41:43 3690

原创 [Python] Scikit-learn的kmeans聚类

简介下python中scikit-learn中kmeans聚类的使用：1.随机生成二维聚类数据import numpy as npx1 = np.array([1, 2, 3, 1, 5, 6, 5, 5, 6, 7, 8, 9, 9])x2 = np.array([1, 3, 2, 2, 8, 6, 7, 6, 7, 1, 2, 1, 3])x = np.array(list(zi

2016-11-18 15:52:06 5872

原创 [Python] Pandas之merge groupby

1.merge用来连接两个DataFrame对象，参数on选择基于哪个列进行连接，how选择内连接，左连接还是全连接的方式。merge操作类似于SQL中的join操作。import pandas as pddf1 = pd.DataFrame({'key':['b','b','a','c','a','b'],'data1':range(6)})df2 = pd.DataFrame({'ke

2016-11-18 14:57:53 7226 2

原创 [Python] Pandas之sort_values isin使用技巧

1.在pandas的DataFrame中，我们经常需要根据某属性来选取指定条件的行，这时isin方法就特别有效。import pandas as pddf = pd.DataFrame([[1,2,3],[1,3,4],[2,4,3]],index = ['one','two','three'],columns = ['A','B','C'])print df# A B

2016-11-17 09:44:38 39915 3

原创 C++ STL 基本容器使用

C++ STL 基本容器使用一、STL简介STL（Standard Template Library），即标准模板库，是一个具有工业强度的，高效的C++程序库。它被容纳于C++标准程序（C++ Standard Library）中，是ANSI/ISO C++标准中最新的也是极具革命性的一部分。该库包含了诸多在计算机科学领域里所常用的基本数据结构和基本算法。为广大C++程序员们提供了一个可扩

2016-11-02 19:32:58 614

努力奋斗啊