Datawhale 组队学习-数据挖掘实践（金融风控）-Task1 赛题理解 2天

第一次这种以组队的方式参与学习，一边打卡一边也相当于以博客的形式记录下自己的学习过程，希望能好好坚持下去吧~ 一、赛题理解 1.1 赛题链接 本次组队学习的内容为：数据挖掘实践（金融风控），该内容来自 Datawhale与天池联合发起的 零基础入门数据挖掘 - 贷款违约预测 学习赛的第一场。 比赛地址: https://tianchi.aliyun.com/competition/entrance/531830/information 项目地址： ：https://github.com/datawhale

Task5 模型融合 Tip:此部分为零基础入门金融风控的 Task5 模型融合部分，欢迎大家后续多多交流。 赛题：零基础入门数据挖掘 - 零基础入门金融风控之贷款违约预测 项目地址：https://github.com/datawhalechina/team-learning-data-mining/tree/master/FinancialRiskControl 比赛地址：https://tianchi.aliyun.com/competition/entrance/531830/introductio

Task5 模型融合 Tip:此部分为零基础入门金融风控的 Task5 模型融合部分，欢迎大家后续多多交流。 赛题：零基础入门数据挖掘 - 零基础入门金融风控之贷款违约预测 项目地址：https://github.com/datawhalechina/team-learning-data-mining/tree/master/FinancialRiskControl 比赛地址：https://tianchi.aliyun.com/competition/entrance/531830/introductio

容器数据类型 列表 list 有序集合，没有固定大小 list =[item1, item2, item3] 创建 利用range创建列表： x = list(range(10)) #[0,1,2,3,4,5,6,7,8,9] 利用推导式创建列表 x = [i for i in range(1, 10, 2)] print(x, type(x)) # [1, 3, 5, 7, 9] <class 'list'> x = [i for i in range(100) if.

https://github.com/datawhalechina/team-learning-program/tree/master/Python-Language 01. 变量、运算符与数据类型 练习题： 怎样对python中的代码进行注释？ # 表示注释，作用于整行 ''' ''' 或者 """ """ 表示区间注释，在三引号之间的所有内容被注释 python有哪些运算符，这些运算符的优先级是怎样的？ 算术运算符: + - * / //【整除】 % **【幂】 比较运算符 >

先打个卡，最近没啥时间去学，过几天补上~

不知不觉task06打卡时间也到了……emmm，接下来抓紧时间补吧

暂时先打个卡

打卡

模块 在前面我们脚本是用 Python 解释器来编程，如果你从 Python 解释器退出再进入，那么你定义的所有的方法和变量就都消失了。 为此 Python 提供了一个办法，把这些定义存放在文件中，为一些脚本或者交互式的解释器实例使用，这个文件被称为模块（Module）。 模块是一个包含所有你定义的函数和变量的文件，其后缀名是.py。模块可以被别的程序引入，以使用该模块中的函数等功能。这也是使用 Python 标准库的方法。 1. 什么是模块 容器 -> 数据的封装 函数 -> 语句的

打卡

Task02：数据清洗及特征处理（2天） 学习内容：课程的第二章的第一部分（数据清洗及特征处理）

条件语句 if exp: exp_true_suite if expr: expr_true_suite else: expr_false_suite 使用多个if嵌套时要注意缩进问题 if expr1: expr1_true elif expr2: expr2_true … elif expr3: expr3_true else: expr2_false assert 断言 assert 3>7 #AssertionErr.

EDA的价值主要在于熟悉数据集，了解数据集，对数据集进行验证来确定所获得数据集可以用于接下来的机器学习或者深度学习使用。 当了解了数据集之后我们下一步就是要去了解变量间的相互关系以及变量与预测值之间的存在关系。 引导数据科学从业者进行数据处理以及特征工程的步骤,使数据集的结构和特征集让接下来的预测问题更加可靠。 完成对于数据的探索性分析，并对于数据进行一些图表或者文字总结并打卡。 ...

打卡

打卡先……最近身体不太好……

1. 文件与文件系统 open(file, mode='r', buffering=None, encoding=None, errors=None, newline=None, closefd=True) Open file and return a stream. Raise OSError upon failure. file: 必需，文件路径（相对或者绝对路径）。 mode: 可选，文件打开模式 buffering: 设置缓冲 encoding: 一般使用utf8 errors:...

获取 《数据仓库与数据挖掘》全套PPT课件：：https://download.csdn.net/download/m0_54748666/93034257。第6章 Pandas与Matplotlib.pptx。第5章 Python与Numpy-pptx。第10章 SVM与XGBoost.pptx。第8章线性回归与逻辑回归.pptx。第9章决策树与随机森林-pptx。第2章分布式数据仓库.pptx。第7章报表开发与设计.pptx。第11章 聚类与关联.pptx。第1章数据仓库概述.pptx。