周末总结(2024/05/11)

工作

人际关系核心原则:
要学会随时回应别人的善意。
人际关系的本质是价值交换(利益和情绪)
坚持每天早会打招呼
我已经不再年轻了,不能因为自己喜欢就去追求了,现在要把现实的事情放在第一位
成年人的世界里没有一尘不染的事情。有些爱的人就藏在心里吧

  1. 接受破烂现状,改变状态
    - 这周只写了三天代码,其他时间学习了区块链和元宇宙
    - 对待人际关系,执行力一定要强,要学会随时回应别人的善意。 这周我没有及时回复微信群的消息,必须强制自己做到及时回复微信群消息。

  2. 做一个风险管理专家
    - 在行动之前需要先调查清楚,切记不可冲动行事。

  3. 爱自己
    - 人在职场,牢记 business is business. 敢于say no
    - 在面临工作问题的时候进行沟通时,要直接了当,干脆利落

学习

技术

前端: React面试题还是一道练习都没做,本打算在上班时候练。但是(拖了一个月零一周,下周找个开源项目做)
后端: 项目,技术,算法和系统设计三个点的相关问题都没有准备好,这周没有准备,下周继续准备。
副业: Upwork也是一单都没有接到。但是这周听了Upwork China的一节课。总结下来就是要形成自己的接单策略,下周好好研究研究。

前沿技术:AI大模型实操没有落地的项目经验,区块链也没有可以落地的项目经验,需要去Github上面找一个可以落地的项目。

财商

  1. 这周学习了12节《短线交易秘诀》,并且重新阅读《一本书读懂财报和一本书看懂K线》,下周继续
  2. 现在K线图已经画到了2012年,争取这周画完美元指数K线图
  3. 这周安装了《富爸爸现金流游戏》,完了一把,需要改正。
  4. 下周周开始定投二级市场的股票,本金2W元开始。没有开始。没有上心,需要继续进步。
  5. 想要逆袭需要做三件事情:职业/理想规划(找有前途的工作-(元宇宙工程师)),留学规划(去欧美国家留学打开眼界),财富管理规划(了解怎么做财富管理)

生活

想找一个有独立思想,三观正的女子谈恋爱。(你想找到这样的人,你必须先成为这样的人)。现在时机不成熟,再等两个月。
下周有一个成都的面试机会,我要努力拼一把,现在应该停下来好好研究自己的目标公司是什么,未来在哪里。这周没有研究目标公司,下周继续。我未来的三年放在哪里才可以让自己的利益最大化。
靠接单做副业很难,现在一单都没有做开,我可以链接哪位高手来完成这件事情?接单这件事情暂时搁浅了,下周继续。
这周在公司吃晚饭,明显回家之后精力增加了,可以做更多的事情,继续保持。
陪我马去医院检查了,所幸没有大问题,甲状腺三级结节,需要改进。

  • 5
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 实际销售金额。决策树适用于分类和预测问题,这里我们可以利用决策树来预测不同天气状况、是否周末、是否促销对销售金额的影响。 首先,我们需要通过Python的pandas库读取数据集。使用pd.read_excel()函数读取sales_data.xls文件,并将数据存储在一个DataFrame中。 然后,我们需要对数据进行预处理。首先,我们需要将文本类型的特征转换为数值类型。可以使用pandas的get_dummies()函数来进行独热编码,将天气、是否周末、是否促销这三个特征转换为数值类型的特征。 接下来,我们将数据集分为特征和标签。我们将天气、是否周末、是否促销作为特征X,将实际销售金额作为标签y。这样我们就可以将预测销售金额的问题转换为回归问题。 然后,我们可以通过sklearn库中的DecisionTreeRegressor类来构建决策树模型。首先,我们需要导入DecisionTreeRegressor类,并创建一个DecisionTreeRegressor对象。然后,使用fit()函数拟合我们的数据集。 接下来,我们可以使用训练好的模型来进行预测。可以使用predict()函数来进行预测,传入特征X,得到预测的销售金额。 最后,我们可以通过与实际销售金额进行比较,评估我们的模型的准确性。可以使用sklearn库中的metrics模块来计算均方误差、均方根误差等指标,评估我们的模型。 通过上述步骤,我们可以利用决策树模型对销售数据进行预测,并评估模型的准确性。这样就可以帮助企业更好地了解不同天气状况、是否周末、是否促销对销售金额的影响,从而优化销售策略。 ### 回答2: 决策树是一种常见的机器学习算法,可以用于解决分类和回归问题。在给定的数据集中,包含了每天的销售数据,以及每天的天气情况、是否是周末和是否有促销活动。 我们可以使用决策树来预测某一天的销售量,根据天气情况、是否是周末和是否有促销活动来进行分类。首先,我们需要将数据集分为训练集和测试集,以便评估模型的性能。然后,我们可以使用scikit-learn库中的DecisionTreeClassifier类来构建决策树模型。 首先,我们需要读取数据集sales_data.xls。然后,我们可以使用pandas库来处理数据,将天气情况、是否是周末和是否有促销活动转换为数值特征。 接下来,我们可以将数据集分为输入特征和目标变量。输入特征为天气情况、是否是周末和是否有促销活动,目标变量为销售量。然后,我们将数据集分为训练集和测试集。 然后,我们可以使用训练集来拟合决策树模型。可以设置一些参数,例如树的最大深度和叶子节点的最小样本数,以避免过拟合。 在模型训练完成后,我们可以使用测试集来评估模型的性能。可以使用一些评估指标,例如准确率、精确率和召回率来评估模型在预测销售量方面的表现。 最后,我们可以使用训练好的决策树模型来预测新的销售数据。根据给定的天气情况、是否是周末和是否有促销活动,我们可以使用模型来预测销售量。 综上所述,决策树可以用于根据天气、是否是周末和是否有促销活动来预测销售量。通过构建决策树模型,我们可以根据特定的输入特征来进行分类,并预测销售量。在实际应用中,这可以帮助我们了解影响销售量的因素,并作出相应的决策。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值