摘要： 1、广义线性模型 2、逻辑回归 3、softmax回归 阅读全文

摘要： 1、读取数据 2、认识数据 ①数据特征的量纲差距（即归一化/标准化处理） ②数据分布不均衡（比方说分类，0-1分类，0的数据远远大于1的数据） 处理方式：下采样、过采样。 下采样：将多的数据变得和少的数据一样少。 过采样：将少的数据变得和多的数据一样多。 以下是下采样： 过采样：SMOTE算法、AD 阅读全文

摘要： 1、kfold：自己分样本来交叉验证迭代 导入模块：from sklearn.model_selection import KFold 参数： 导入模块：from sklearn.model_selection import KFold 参数： n_splits：就是将样本分成多少份。进行k折验证 阅读全文

摘要： 一、分类度量 1、混淆矩阵： 2、classification_report 3、汉明损失 4、jaccard相似系数得分 5、准确率、召回率和F_measure 3、 阅读全文

摘要： 一、【标准化】scale： 1、导入模块 from sklearn.preprocessing import scaler 2、作用：直接将给定数据进行标准化 3、使用代码 二、【标准化】StandardScaler 1、导入模块 from sklearn.preprocessing import 阅读全文

摘要： 1、二叉树的反向层次遍历 2、最长同值路径 给定一个二叉树，找到最长的路径，这个路径中的每个节点具有相同值。 这条路径可以经过也可以不经过根节点。 注意：两个节点之间的路径长度由它们之间的边数表示。 示例 1: 输入: 输出: 3、找到出现最多值的节点。【递归+Counter字典】 阅读全文

摘要： 来自链接：https://blog.csdn.net/zahuopuboss/article/details/54948181 1、sklearn.model_selection.train_test_split随机划分训练集和测试集 官网文档：http://scikit-learn.org/sta 阅读全文

摘要： 1、df.describe（）：该函数主要对数据进行一个基本的统计，输出数据的总数量（count）、平均值（mean）、标准差(std)、最小值和最大值（min、max)、分位数（四分位） 2、sort_values(by="列名/行名")：对该列或该行进行值排序 3、df.replace(to_r 阅读全文

摘要： 1、官网地址： http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html 2、class sklearn.linear_model.LogisticRegression 阅读全文

摘要： 该博主总结的很好，https://www.cnblogs.com/hellcat/p/7531789.html 1、kaggle给出的导图 2、转化成树图： 3、sklearn工具导图 阅读全文