線性回歸及其推廣 選擇度量模型性能的指標匀哄，一般有： 線性回歸的推廣 當數(shù)據(jù)存在非線性關系時买窟，我們使用線性回歸模型進行預測會導致預測性能極其低下昧辽，因為模型的形式本身是線性的测秸，無...
IP屬地：黑龍江
-
Task02 - 掌握基本的回歸模型 -
-
Baseline學習及改進因為我是大氣科學專業(yè)的银舱，對于預測時間序列所要用的神經(jīng)網(wǎng)絡的理解有限瘪匿，但是對ENSO的成因，影響機制有一定的了解寻馏。因此棋弥，這里不從技術(shù)角度出發(fā)，而是從一篇《Nature》上的文章...
-
比賽全流程體驗--2021-02-21
花了比較多的時間在docker的安裝上诚欠，一下是我的主要參考步驟： 1. 參考Docker on WIN10 - 知乎[https://zhuanlan.zhihu.com/p...
-
Pandas學習-第八章-文本數(shù)據(jù)-2021-01-02問1：將year列改為整數(shù)年份存儲顽染。 問2：將floor列替換為Level, Highest兩列，其中的元素分別為string類型的層類別（高層轰绵、中層粉寞、低層）與整數(shù)類型的最高...
-
Pandas學習-第七章-缺失數(shù)據(jù)-2020-12-31這周的練習題，Ex1題意理解錯了左腔，以至于做錯了唧垦，Ex2沒有做出來，所以這里貼一下照著參考答案打的結(jié)果 Ex1 Ex2 問1： 問2 似乎有個地方程序跑不出液样？
-
Pandas學習-第五章-變形-2020-12-26問1：將數(shù)據(jù)轉(zhuǎn)為如下的形式： 問2：將第1問中的結(jié)果恢復為原表澎怒。 該問只做出了前面一部分妇斤，后面一部分沒做出 后面部分參考答案，即： 問3：按State分別統(tǒng)計每年的報告數(shù)量總...
-
Pandas學習-第四章-分組-2020-12-23問1：先過濾出所屬Country數(shù)超過2個的汽車丹拯，即若該汽車的Country在總體數(shù)據(jù)集中出現(xiàn)次數(shù)不超過2則剔除，再按Country分組計算價格均值荸恕、價格變異系數(shù)乖酬、該Coun...
-
Pandas學習-第三章-索引-2020-12-22問1：分別只使用query和loc選出年齡不超過四十歲且工作部門為Dairy或Bakery的男性。 讀入數(shù)據(jù) 問2：選出員工ID號 為奇數(shù)所在行的第1融求、第3和倒數(shù)第2列咬像。 問...
-
Pandas學習-第二章-pandas基礎-2020-12-19先導入數(shù)據(jù)： 問1：對HP, Attack, Defense, Sp. Atk, Sp. Def, Speed進行加總，驗證是否為Total值。 問2：對于#重復的妖怪只保留...
-
Pandas學習-第一章-預備知識-2020-12-15
匿名函數(shù) lambda 和映射函數(shù) map() 經(jīng)诚匕海可以放在一起使用肮柜，比如： Exercise 2： Exercise 3： Exercise 5： Exercise1 和E...
-
【從零開始學推薦】基于物品的協(xié)同過濾
基于協(xié)同過濾算法進行文章推薦待讳。 基于物品的協(xié)同過濾+熱門補足進行topK推薦芒澜。 基于物品的協(xié)同過濾（時間衰減）+熱門補足進行topK推薦。 基于物品的協(xié)同過濾（時間衰減）+e...
-
windows可以裝的创淡，我裝上了痴晦。我鏈接發(fā)不出來，你搜“在jupyter notebook中安裝github上面的python包”琳彩，其中一篇CSDN博客有寫誊酌，作者是Lianyudedouzi
Python氣象數(shù)據(jù)處理與繪圖(10)：SVD分析(奇異值分解)
猶豫了很久要不要講SVD的python實現(xiàn)，今天還是寫了吧露乏，糾結(jié)的原因在于我對SVD也是新手理解碧浊，很多東西也是一知半解，怕誤導大家施无。所以這篇文章也只是我個人的理解辉词，不對之處還...
-
請問有缺測值(nan)的數(shù)據(jù)瑞躺，也直接帶入就可以嗎，還是說要要將缺測值移除兴想？求大佬回答~
Python氣象數(shù)據(jù)處理與繪圖(10)：SVD分析(奇異值分解)
猶豫了很久要不要講SVD的python實現(xiàn)幢哨，今天還是寫了吧，糾結(jié)的原因在于我對SVD也是新手理解嫂便，很多東西也是一知半解捞镰，怕誤導大家。所以這篇文章也只是我個人的理解毙替，不對之處還...
