namalala的博客

打卡-Task4:模型融合 Stacking相关理论介绍 什么是 stacking 简单来说 stacking 就是当用初始训练数据学习出若干个基学习器后，将这几个学习器的预测结果作为新的训练集，来学习一个新的学习器。 将个体学习器结合在一起的时候使用的方法叫做结合策略。对于分类问题，我们可以使用投票法来选择输出最多的类。对于回归问题，我们可以将分类器输出的结果求平均值。 上面说的投票法和平均法...

打卡-Task3:特征工程 数据导入 import pandas as pd import numpy as np def reduce_mem_usage(df): """ iterate through all the columns of a dataframe and modify the data type to reduce memory usage. ...

打卡-Task3:特征工程 异常值处理 异常值处理：减少脏数据 a) 简单统计：如 describe() 的统计描述；散点图等； b) 3∂ 法则（正态分布）/箱型图截断； c) 利用模型进行离群点检测：聚类、K近邻、One Class SVM、Isolation Forest； 以二手车数据为例清洗数据 def outliers_proc(data, col_name, scale=3): ...

打卡-Task2:数据的探索性分析（EDA）载入数据库载入数据数据查看总览数据概况如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 载入数据库 pandas和nu...