摘要：
我这个人向来很懒，最近一直想给5年后的自己写一些话，一直从7月份拖到现在。 7月是我2016年入职银联的日子，如果从7月写，那就是整5年啦，现在9月了才开始写，虽然不是那么圆满吧，但这些不重要，重要的是，这5年来自己是否完成了当初的期望，是否已经拥有了自己想要的生活，又是否成为了自己5年前想要成为的 阅读全文
摘要：
转载自：https://blog.csdn.net/qq_30868235/article/details/80370060 1.数据集 数据集使用sklearn自带的手写数字识别数据集mnist，通过函数datasets导入。mnist共1797个样本，8*8个特征，标签为0~9十个数字。 ### 阅读全文
摘要：
转载自：https://blog.csdn.net/sinat_29957455/article/details/79452141 在处理真实的数据集的时候，我们经常会遇见一个或多个的类别数据的特征。类别数据可以被分为标称特征(nominal feature)和有序特征(ordinal featur 阅读全文
摘要：
转载自：https://blog.csdn.net/u011630575/article/details/79421053 一、导入必要的工具包 # 运行 xgboost安装包中的示例程序from xgboost import XGBClassifier # 加载LibSVM格式数据模块from s 阅读全文
摘要：
网址：https://www.bilibili.com/video/av50747658/ （b站找的有中文字幕的视频） 第一周 一、引言 1.1 欢迎 1.2 机器学习是什么 1.3 监督学习 1.4 无监督学习 二、单变量线性回归 2.1 模型表示 2.2 代价函数 2.3 代价函数的直观理解 阅读全文
摘要：
转载自https://www.cnblogs.com/mfryf/p/6293814.html 转载自https://www.cnblogs.com/mfryf/p/6293814.html 译注：文内提供的代码和运行结果有一定差异，可以从这里下载完整代码对照参考。另外，我自己跟着教程做的时候，发现 阅读全文
摘要：
传统的机器学习任务从开始到建模的一般流程是：获取数据 -> 数据预处理 -> 训练建模 -> 模型评估 -> 预测，分类。本文我们将依据传统机器学习的流程，看看在每一步流程中都有哪些常用的函数以及它们的用法是怎么样的。希望你看完这篇文章可以最为快速的开始你的学习任务。 1. 获取数据 1.1 导入s 阅读全文
摘要：
1、下载window匹配的xgboost程序（我的是64位系统，3.7版本的python） 下载网址 https://www.lfd.uci.edu/~gohlke/pythonlibs/#xgboost 2、搜索anaconda Prompt ，打开命令行。 3、切换目录到下载了xgboost文件 阅读全文
摘要：
int(x [,base ]) 将x转换为一个整数 long(x [,base ]) 将x转换为一个长整数 float(x ) 将x转换到一个浮点数 complex(real [,imag ]) 创建一个复数 str(x ) 将对象 x 转换为字符串 repr(x ) 将对象 x 转换为表达式字符串 阅读全文
摘要：
1、执行Python脚本的两种方式 # python3 hello.py Hello World! 你好 # cat hello.py |python Hello World! 你好 2、简述位、字节的关系 位：计算机的计算单位，代表0或者1 字节：一字节相当于8位 3、简述ascii、unicod 阅读全文