周末总结(2024/05/25)

工作

人际关系核心实践:
`要学会随时回应别人的善意。执行时间控制在5分钟以内 坚持每天早会打招呼``

工作上的要点

  1. 现状(接受破烂现状,改变状态)
    - 这周使用和执行了生产环境发布流程(2天),2天时间在写Java代码,还有一天在看区块链
    - 我总是接不住别人的话题还是没有做好,目前的解决方案是沉默不搭理。新的解决方案是回答时拉低自己,抬高别人(无阴阳气息)

  2. 未来(做一个风险管理专家)
    - 工作角度:在金融科技领域成为一个做风控系统的专家,要学会市面上所有成熟风控系统的解决方案
    - 投资角度:计算风险,设置止损位和止盈位,这些技能必须学会并实践

学习

技术

前端: React只是初级入门水平,回答不了面试官的问题,从面试题出发寻找突破口
后端: 项目,技术,算法和系统设计。这周写一个文档,固定一套自己的方法论
副业: 暂时不做Upwork,专心投资上面的总结和训练

前沿技术:AI大模型实操项目(ai),区块链项目(full-blockchain-solidity-course-js)。

财商

  1. 这周学习完《卖艺》,下周开始学习币市投资(加入九个亿投资军校)
  2. 这周雪球里面的股票一片绿,我反思自己的做法完全就是韭菜的做法。下周清仓,使用交易计划来进行交易。
  3. 想要逆袭需要做的三件事情我都没做好,我要好好想一想自己的未来:职业/理想规划(找有前途的工作-(软件工程师)),留学规划(欧美国家留学打开眼界),财富管理规划(怎么做财富管理)

生活

想要一个有独立思想,三观正的女孩子谈恋爱。现在连个目标都没有,我必须给自己找个目标,要不然麻烦就大了。
这周没有研究目标公司,我的职业方向根本就不清晰。我未来的三年放在哪里才可以让自己的利益最大化?我应该怎么找到答案?
在Upwork上做副业的事情一直没有上心,原因是我在Upwork上面根本没有优势,三年后再进入Upwork可以吗?
这周在公司吃晚饭,很节约实践,继续保持。
发现自己的荨麻疹还是会复发,这周没有坚持吃药,甲沟炎也复发了。我的生活习惯不好。

  • 2
    点赞
  • 4
    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