weixin_42814602的博客

决策树常见的树形模型(随机森林、GBDT、XGBoost)，树形的基础是“决策树”。“决策树”特点：易理解、易构建、速度快分类分类决策树输出的结果为具体类别，用于处理离散型变量回归决策树输出的结果为确定数值，用于处理连续型变量决策树构建的算法分类树：ID3（信息增益）、C4.5（信息增益比）分类回归树：CART （基尼指数）其中ID3是最基本的构建算法。步骤：特征选择、决策树的生成、剪枝决策树+集成学习=新算法1）Bagging + 决策树 = 随机森林（Rand

文章目录分类思想模型介绍(公式)公式推导sigmoid函数代码实现补充：多分类逻辑回归模型分类思想逻辑回归是一个分类算法。分类的思想：将每个样本进行“打分”，然后设置一个阈值(概率)，大于该阈值为一个类别，反之另一类别。模型介绍(公式)z=ω1x1+ω1x2+...+ωnxn+b=∑i=1nωixi+bz = \omega_1x_1+\omega_1x_2+...+\omega_nx_n+b=\textstyle\sum_{i=1}^n\omega_ix_i+bz=ω1​x1​+ω1​x2​+

这里写自定义目录标题Pandas基础数据类型高阶用法missing dataduplicate dataNumpyPandas基础数据类型df.dtypes 查看字段数据类型df[‘a’].astype(‘float’) 数据类型转化高阶用法missing datadf.dropna()@axis: {0 or ‘index’, 1 or ‘columns’}, default 0@how: {‘any’, ‘all’}, default ‘any’@thresh: int,

1. Anaconda安装2.环境管理查看python版本python --version虚拟环境创建：conda create --name py36 python=3.6 py36表示虚拟环境名字激活：conda activate py36

快捷键强制退出（可批量）: option+command+esc全屏截屏：command+shift+3自选截屏：command+shift+4

交叉验证(Cross Validation-CV)目的：防止模型在训练集上过拟合，导致在测试上表现不好，使用验证集筛选出最优参数。交叉验证仍需要测试集做最后的模型评估，但不再需要验证集。最基本的方法被称之为，k-折交叉验证 。 k-折交叉验证将训练集划分为 k 个较小的集合（其他方法会在下面描述，主要原则基本相同）。 每一个 k 折都会遵循下面的过程：将 k-1 份训练集子集作为 training data （训练集）训练模型，将剩余的 1 份训练集子集用于模型验证（也就是把它当做一个测试集来

展示路径: pwd列出当前文件夹中的所有内容lsmkdir file_demo 创建目录==》rmdir file_demo删除目录生成文件：touch file_name.txt修改文件内容vi file_name.txt 打开文件I 编辑，esc + :wq 保存退出

社会表面现象：工作者——企业想压榨自己，没有想过好好培养自己企业——招现成、能立创造价值的人员企业文化——传承，学习企业文化&Mentor的言传身教==》当自己也成为mentor的时候，会受到使命感、价值观的影响，对待下属当今社会的高节奏，让建设企业文化成为一种奢饰品#mermaid-svg-WqFoX5fOw1RRhw04 .label{font-family:'trebuchet ms', verdana, arial;font-family:var(--mermaid-font-

初始化设置中文设置：打设置菜单(Ctrl+Shift+P) ==> Configure Display Language ==> Instal >Chinese(Simplified)> 安装完成提示restart界面认识：资源管理器，搜索，Git，调试，插件常用快捷键⌘ command键⌥ option/alt⇧ shift按键^ control键搜索：Command + Shift + F调取/关闭terminal：Control + ～替换：Op

castcast(a.xxx as bigint) as yyy日期函数date_trunc('week',CURRENT_DATE - INTERVAL '1' DAY) -- week第一天日期date_diff('day', 某天日期, CURRENT_DATE） -- 时间间隔date_add('week',-1,CURRENT_DATE - INTERVAL '1' D...

Google Sheet 公式：sheet!$A:$B,'sheet new'!$A3:$D=countifs('Account Detail'!$F:$F,"=M-0")=sumifs('Account Detail'!$G:$G,'Account Detail'!$F:$F,"=M-0") F列判断，对G列求和=sumifs('Account Detail'!$H:$H,'Account Detail'!$D:$D,"="&$A3,'Account Detail'!$F:$F,"=M-

文章目录数据分析是干什么的？数据分析最重要的能力？数据分析的岗位前景人间清醒文-聊聊数据分析现状的阅读笔记数据分析是干什么的？数分工作：对数据进行分析(wrong)==>用数据进行分析(right)。区别点：数据是分析的手段，而不是分析的对象。若不明白上面这点，不先考虑问题，却把数据放在前面，有的止步于简单的描述；有的则一头扎入维度和度量交叉组合的无尽汪洋中，不知从何做起。（自己尚停留在这个阶段，却无法出来）用数据进行分析，分为四类：描述性分析，是要将业务状态以一个量化的方式完整地呈现出

文章目录1 注释2.变量3 关键字4 输入与输出5 if 语句6 运算符算数运算符：5/41 注释多行注释"""..."""和'''...'''单行注释#... 快捷键：CTRL+/(Win) or Command+/(Mac)2.变量'知名会意‘的变量名=数据变量的命名：规则：字母、数字(不开头)、下划线命名方式：大驼峰：MyName小驼峰：myName下划线...

文章目录1.导入相关的模块2.发送网络请求获取数据2.1确定爬取网站(url)2.2 防止反爬(构建请求头)2.3发送请求response响应体 (想要的数据,响应头)=>拆分响应对象=>拿到数据(二进制->解码)字符串类型3.分析网页架构(找到需要的数据)(解析数据)3.1 转换成可以解析的类型3.2 需求获取li(p/img(src))\xpath语法获取img标签: /h......

文章目录1 捕获异常2 模块3 文件操作1 捕获异常try...except...else...finally...2 模块3 文件操作

第一个标题aljf ;laj’asfj ;lkjsaa;flskj lasjajdflkjagng;aj’jfqpujkljlfkjjhabcdefghijklmnopqrstuvwxyzabcdefghijkllmnopqrstuvwxyzzheshi二级标题第二个标题

面向对象和面向过程的异同同：都是一种开发模式(思维模式)异：通过做一道菜进行阐述面向过程：摘菜=》洗菜=》切菜=》炒菜=》出菜面向对象：*找一个厨师(对象)=>【摘菜=》洗菜=》切菜=》炒菜=》出菜】程序员而言：只负责调度对象，对象做那些事面向过程：你=》功能方法（做事情）面向对象：你=》功能对象.功能方法类和对象的概念：类(抽象): 事和物的一个分类...

1.修改默认路径打开Anaconda Prompt窗口输入jupyter notebook --generate-config生成配置文件(在用户\用户名.jupyter文件下)打开jupyter_notebook_config.py文件，搜索c.NotebookApp.notebook_dir然后c.NotebookApp.notebook_dir='添加自己配置的路径'2.修改浏览器为...

figure/subplot/scahttps://blog.csdn.net/u014453898/article/details/73395522

windows键 -> 输入prompt—>进入Anaconda Prompt界面输入pip install jupyter_contrib_nbextensions来安装Anaconda的插件包成功跑完，在输入jupyter contrib nbextension install --user完成后输入jupyter notebook进入Jupyter notebook 网页...