wangzhonghan

摘要： 交叉验证（Cross Validation） Cross-Validation and Train-Test Split 数据很多的时候，用Train-Test Split，时间短 数据不多的时候，用Cross-Validation，模型的分数准 例子1： import pandas as pdda 阅读全文

摘要： 管道（Pipelines） 管道的作用是将数据预处理与建模合为一体来操作，优化代码 绝大部分的scikit-learn 对象，要么是transformers（可调用transform命令） ，要么是 models（可调用predict命令） 你的管道必须从 transformers开始，从model 阅读全文

摘要： Partial Dependence Plots：部分依赖图 模型训练后(fit)，才可以创建部分依赖图(PDP) 部分依赖图，反映出了某一列特征，对目标列（target）的影响 例子： from sklearn.ensemble.partial_dependence import partial_ 阅读全文

摘要： model tuning：模型调教 Partial dependence plots :PDP：局部依赖图 interpret ：解释 By and large：大体上说 coefficients：系数 myriad：无数的 atypical：非典型 sanity check：合理性检查 jagge 阅读全文

摘要： XGBoost是处理表格类数据（区别于图像,视频）的优秀模型 XGBoost是梯度模型决策树(Gradient Boosted Decision Trees)算法的实现 xgboost的原理:https://www.jianshu.com/p/7467e616f227 XGBoost参数调教： n_ 阅读全文

摘要： 1 测试集和训练集连接，使用append，前提：训练集drop掉target列，在列数上和测试集保持一致 all_data_predictors = home_data_predictors.append(test_data_predictors) 2 在数据集中，选择object列或数字列，组成单 阅读全文

摘要： 策略1： 1 X1=home_data.drop(['Id', 'SalePrice'], axis=1) 2 对X1中的所有object和int数据进行插值，strategy='most_frequent'，存入变量imputed_X1 3 对imputed_X1中列进行筛选，选出object类型 阅读全文

摘要： #找到一列中分类数据种类少于10并且dtype类型是object的 low_cardinality_cols = [cname for cname in candidate_train_predictors.columns if candidate_train_predictors[cname].n 阅读全文

摘要： 1 Python将缺失值定义为nan，意思是not a number 2 查看所有列中，每个列有几个空值 missing_val_count_by_column = (home_data.isnull().sum()) print(missing_val_count_by_column) print 阅读全文

摘要： 随机森林核心代码： 1 首先读入excel数据 2 用y存储标签列 3 用X存储所需的特征列 4 train_X, val_X, train_y, val_y = train_test_split(X, y, random_state=1) 下面是随机森林部分 from sklearn.ensemb 阅读全文