學習中
發(fā)簡信
IP屬地：山東
-
Task05：字典、集合和序列
一庭瑰、字典 字典 是無序的 鍵:值（key:value）對集合，鍵必須是互不相同的（在同一個字典之內(nèi)）炎功。 e.g：dic = {'李寧': '一切皆有可能', '耐克': 'J...
-
Task04：列表栓拜、元組和字符串
簡單數(shù)據(jù)類型：整型<class 'int'>浮點型<class 'float'>布爾型<class 'bool'> 容器數(shù)據(jù)類型：列表<class 'list'>元組<cla...
-
Task03：異常處理
異常就是運行期檢測到的錯誤。計算機語言針對可能出現(xiàn)的錯誤定義了異常類型呀邢，某種錯誤引發(fā)對應的異常時洒沦，異常處理程序?qū)⒈粏樱瑥亩謴统绦虻恼＿\行价淌。 1. Python 標準異常...
-
Task02：條件申眼、循環(huán)結(jié)構(gòu)
一瞒津、條件結(jié)構(gòu) 1. if語句 if expression:expr_true_suite 2. if - else 語句 if expression:expr_true_su...
-
Task01：變量、運算符括尸、數(shù)據(jù)類型及位運算
1.變量 （1）在使用變量之前巷蚪，需要對其先賦值。（2）變量名可以包括字母濒翻、數(shù)字屁柏、下劃線、但變量名不能以數(shù)字開頭有送。（3）Python 變量名是大小寫敏感的淌喻，foo != Foo...
-
Task5 模型融合在本案例中使用的是Stacking融合方法，簡單來說 stacking 就是當用初始訓練數(shù)據(jù)學習出若干個基學習器后雀摘，將這幾個學習器的預測結(jié)果作為新的訓練集裸删，來學習一個新的學習...
-
Task4 建模調(diào)參
本部分為特征工程之后的階段：創(chuàng)建適合的算法模型并對模型進行參數(shù)調(diào)節(jié)。 0讀取數(shù)據(jù)： 1. 線性回歸模型 2. 五折交叉驗證 3. 線性模型的嵌入式特征選擇 在過濾式和包裹式特...
-
> 所有文章和譯文僅用于個人學習，不涉及商業(yè)利益<br>> 歡迎指出文章中的錯誤<br><br>▼GitHub和微信▼<br>討論清蚀、學習伤塌、共同進步
-
《利用Python進行數(shù)據(jù)分析》的最新版
-
特征工程完全手冊 - 從預處理每聪、構(gòu)造、選擇齿风、降維药薯、不平衡處理，到放棄
“數(shù)據(jù)科學競賽到底比的是什么救斑？”這個問題童本，問10個大神，大概會有9個人告訴你“特征工程+模型融合”脸候。但是翻遍整個互聯(lián)網(wǎng)穷娱，講模型的挺多，講特征工程的就屈指可數(shù)了运沦。于是我就去和鯨...
-
Task3 特征工程
“數(shù)據(jù)決定了機器學習的上限泵额，而算法只是盡可能逼近這個上限”，這里的數(shù)據(jù)指的就是經(jīng)過特征工程得到的數(shù)據(jù)携添。特征工程指的是把原始數(shù)據(jù)轉(zhuǎn)變?yōu)槟Ｐ偷挠柧殧?shù)據(jù)的過程嫁盲，它的目的就是獲取更好...
-
Task2 數(shù)據(jù)分析
此部分為零基礎(chǔ)入門數(shù)據(jù)挖掘的 Task2 EDA-數(shù)據(jù)探索性分析部分。 數(shù)據(jù)探索在機器學習中我們一般稱為EDA（Exploratory Data Analysis）：是指對已...
-
Task1 賽題理解
本次新人賽是Datawhale與天池聯(lián)合發(fā)起的0基礎(chǔ)入門系列賽事第一場缸托。賽題以二手車市場為背景，要求選手預測二手汽車的交易價格瘾蛋，這是一個典型的回歸問題俐镐。通過這道賽題來引導大家...
