發(fā)簡信
IP屬地：山東
-
Task05：字典、集合和序列
一、字典 字典 是無序的 鍵:值（key:value）對集合，鍵必須是互不相同的（在同一個字典之內(nèi)）。 e.g：dic = {'李寧': '一切...
-
Task04：列表、元組和字符串
簡單數(shù)據(jù)類型：整型<class 'int'>浮點型<class 'float'>布爾型<class 'bool'> 容器數(shù)據(jù)類型：列表<clas...
-
Task03：異常處理
異常就是運行期檢測到的錯誤。計算機語言針對可能出現(xiàn)的錯誤定義了異常類型，某種錯誤引發(fā)對應(yīng)的異常時，異常處理程序?qū)⒈粏?，從而恢復程序的正常運行。...
-
Task02：條件、循環(huán)結(jié)構(gòu)
一、條件結(jié)構(gòu) 1. if語句 if expression:expr_true_suite 2. if - else 語句 if expressi...
-
Task01：變量、運算符、數(shù)據(jù)類型及位運算
1.變量 （1）在使用變量之前，需要對其先賦值。（2）變量名可以包括字母、數(shù)字、下劃線、但變量名不能以數(shù)字開頭。（3）Python 變量名是大小...
-
Task5 模型融合在本案例中使用的是Stacking融合方法，簡單來說 stacking 就是當用初始訓練數(shù)據(jù)學習出若干個基學習器后，將這幾個學習器的預測結(jié)果作為...
-
Task4 建模調(diào)參
本部分為特征工程之后的階段：創(chuàng)建適合的算法模型并對模型進行參數(shù)調(diào)節(jié)。 0讀取數(shù)據(jù)： 1. 線性回歸模型 2. 五折交叉驗證 3. 線性模型的嵌入...
-
Task3 特征工程
“數(shù)據(jù)決定了機器學習的上限，而算法只是盡可能逼近這個上限”，這里的數(shù)據(jù)指的就是經(jīng)過特征工程得到的數(shù)據(jù)。特征工程指的是把原始數(shù)據(jù)轉(zhuǎn)變?yōu)槟Ｐ偷挠柧殧?shù)...
-
Task2 數(shù)據(jù)分析
此部分為零基礎(chǔ)入門數(shù)據(jù)挖掘的 Task2 EDA-數(shù)據(jù)探索性分析部分。 數(shù)據(jù)探索在機器學習中我們一般稱為EDA（Exploratory Data...