千里之行，始于足下

摘要： 刚开始学机器学习时，我也像大部分人 一样，有个很朴素的想法：特征越多，模型能学到的信息就越多，效果自然越好。 所以每次拿到数据，我就拼命往模型里塞特征——能算出来的统计量全加上，能衍生出来的比率全拼上。 一个原本 20 列的数据集，经常被我搞到七八十列。 然后我就发现事情不太对劲了： 训练时间明显变 阅读全文

摘要： 在机器学习实战中，我们常常把精力花在调参和选模型上，却忽略了一个更基础的问题：喂给模型的数据里，有多少特征是真正有用的？ 刚开始学机器学习那会儿，我特别喜欢堆特征，不管有用没用先一股脑全塞进去，总觉得特征越多模型越聪明。 直到有一次跑练习数据集，X_train.shape 直接干到了 (50000, 阅读全文

摘要： 错误处理往往是优秀代码中最薄弱的环节。 像缺失主键、请求失败、函数运行时间过长等问题在实际项目中频繁出现。 Python 自带的 try-except 块虽然有用，但单靠它并不能覆盖许多实际场景。 你需要将常见的失败情形封装成小型、可复用的函数，以支持带限制的重试、输入验证，以及防止代码运行超时的保 阅读全文

摘要： 从散点图的局限说起 在数据分析的工作中，我们经常会遇到这样一个问题：如何把数据的“样子”展示给别人看？ 如果数据只有两个维度，事情很简单——画一张散点图就好了。 横轴一个变量，纵轴一个变量，每个点代表一条数据，分布一目了然。 如果数据有三个维度呢？也还行——散点图加上颜色，用不同颜色代表第三个维度的 阅读全文

摘要： 大家好，今天要解决一个痛点是关于 因式分解公式 的。 直接说问题： 用 Manim 展示 $ x2 + 5x + 6 = (x+2)(x+3) $ 的“十字相乘”面积模型，你需要先想好怎样把大矩形拆成四块$ (x^2)、(2x)、(3x)、(6) $，再手动计算每一块的边长和位置。 换成 $ x^2 阅读全文

摘要： 做追及问题动画时，需要根据题意列方程求出相遇时间，再手动计算两个物体在每个时刻的坐标。 题意中速度、初始距离、出发时间差这些参数一改变，就得重新手算一遍，整个过程繁琐且易错。 本文用 SymPy 把列方程和求解都自动化，直接得到相遇时间和运动轨迹，动画代码只需拿到结果去画图。 1. 痛点场景还原 假 阅读全文

摘要： 做 Manim 动画演示三角形全等判定定理时，我需要根据给定的边长或角度条件，在坐标系中精确放置三角形的三个顶点。 手动调整点的位置来凑 SSS、SAS 这些条件，反复试错、坐标对不齐，根本没法精确展示“给定条件后三角形唯一确定”这个核心结论。 这篇文章用 SymPy 把几何约束转化为代数方程，自动 阅读全文

摘要： 做 Manim 动画时，我想让抛物线 $ y=x^2+bx+2 $随着系数 b 的变化，自动、精准地显示它与 x 轴的交点。 手写求根公式不仅繁琐，还要自己处理判别式为负的情况，稍不注意 math.sqrt 就会让整个动画崩溃。 本文我们就用 SymPy 彻底解决这个痛点。 1. 痛点场景还原 假设 阅读全文

摘要： 你在用 Manim 制作一次函数图像的对比动画时，是不是也遇到过这种麻烦：想直观展示不同斜率 k 和截距 b 对直线的影响，但每改一个参数，都得重新手算两端点坐标、重新算与坐标轴的交点，甚至要凭感觉“拉长”线段保证它贯穿画面。 改三组参数，工作量就翻三倍。 今天这篇文章，就是要彻底解决这个体力活。我 阅读全文

摘要： 如果你想绘制一个参数曲线，比如：极坐标玫瑰线 r = cos(5θ)。 那么思路很简单：算出曲线上的点，用 Create 一笔画出来。 但是，写完代码一渲染，问题来了： 花瓣尖端“唰”地一下就过去了，中间部分却慢吞吞的。整条曲线的绘制节奏忽快忽慢，看起来十分别扭。 问题的根源：我让参数 $ \the 阅读全文