[置顶] 机器学习基本逻辑
摘要：
阅读全文
posted @ 2025-07-31 11:22 数说张小桃 阅读(10) 评论(0) 推荐(0)
因果推断方法总结
摘要：
因果推断方法总结 阅读全文
posted @ 2025-03-30 22:10 数说张小桃 阅读(21) 评论(0) 推荐(0)
2025年3月30日 #
2023年3月20日 #
2023年3月19日 #
2023年1月30日 #
2022年8月19日 #
pandas 的 apply() 函数
摘要：
一、apply() 函数 DataFrame.apply(func, axis=0, broadcast=False, raw=False, reduce=None, args=(), **kwds) 参数解释： （1）func：就是函数，不管是自定义的函数，还是匿名函数lambda （2）axis 阅读全文
posted @ 2022-08-19 20:48 数说张小桃 阅读(1285) 评论(0) 推荐(0)
2022年8月18日 #
plt.style.use( ) 画图窗口背景样式
摘要：
【参考】 【1】CSDN plt.style.use 阅读全文
posted @ 2022-08-18 17:23 数说张小桃 阅读(95) 评论(0) 推荐(0)
2022年8月11日 #
理解 fig,ax = plt.subplots()
摘要：
fig,ax = plt.subplots() 等价于：fig = plt.figure()ax = fig.add_subplot(1,1,1) 前两个参数1,1 表示生成1x1 个子图； 最后一个参数1，代表第一个子图。 例如：fig, ax = plt.subplots(1,3)，其中参数1和 阅读全文
posted @ 2022-08-11 22:25 数说张小桃 阅读(592) 评论(0) 推荐(0)
待完 |XGBoost算法分析与案例调参实例
摘要：
【参考】 【1】XGBoost算法分析与案例调参实例 阅读全文
posted @ 2022-08-11 21:43 数说张小桃 阅读(44) 评论(0) 推荐(0)
plt.rcParams 属性总结
摘要：
一、应用背景： 当使用plt画图，标题、图例或者轴标签含有中文 显示乱码时，可用plt.rcParams 解决。如：plt.rcParams[’font.sans-serif’] = ‘SimHei’ 设置字体黑体 plt（matplotlib.pyplot）使用rc配置文件来自定义图形的各种默认属 阅读全文
posted @ 2022-08-11 19:34 数说张小桃 阅读(549) 评论(0) 推荐(0)
2022年8月9日 #
Anaconda下快速安装 xgboost
摘要：
第一步：打开Anaconda Prompt 命令行窗口 第二步：输入 pip list 查看 是否已经安装xgboost库 第三步：如果没安装，输入以下命令就OK。 pip install xgboost -i https://pypi.tuna.tsinghua.edu.cn/simple 前提条 阅读全文
posted @ 2022-08-09 20:20 数说张小桃 阅读(1959) 评论(0) 推荐(0)
2022年8月8日 #
案例：将身份证最后一位x 统一转换为0
摘要：
# 案例：将身份证最后一位x统一转换为0 import numpy as np import pandas as pd # 创建一个数据框 df =pd.DataFrame({'shenfen_id':['34250119890722421x','342501196412254220']}) # d 阅读全文
posted @ 2022-08-08 22:00 数说张小桃 阅读(108) 评论(0) 推荐(0)
2022年8月7日 #
Python：对于“axis=0和axis=1”的理解
摘要：
1、结论： rows axis=0：按 列 计算，结果沿着 行（rows） 的方向→ cols axis=1：按 行 计算，结果沿着 列（cols） 的方向↓ 2、代码举例 import numpy as np x = np.array([[1,2,3,4], [5,6,7,8], [9,10,11 阅读全文
posted @ 2022-08-07 13:48 数说张小桃 阅读(637) 评论(0) 推荐(0)
2022年4月25日 #
scikit-learn中PCA降维的使用方法
摘要：
一 函数： sklearn.decomposition.PCA(n_components=None, copy=True, whiten=False) （1）参数说明： n_components： 意义：PCA算法中所要保留的主成分个数n，也即保留下来的特征个数n类型：int 、float 或者 s 阅读全文
posted @ 2022-04-25 18:12 数说张小桃 阅读(2332) 评论(0) 推荐(0)
2022年4月23日 #
区别 |主成分分析vs因子分析
摘要：
主成分分析：把主成分表示成各原始变量的线性组合。 因子分析：原始变量表示成各因子的线性组合。 主成分分析：解释原始变量的总方差。 因子分析：解释原始变量的协方差。 主成分分析：几个原始变量，就有几个主成分。 因子分析：因子个数可以根据业务场景的需要人为指定。 主成分分析：给定的协方差矩阵或相关矩阵特 阅读全文
posted @ 2022-04-23 12:00 数说张小桃 阅读(936) 评论(0) 推荐(0)
浙公网安备 33010602011771号