- 博客(15)
- 收藏
- 关注
RSS订阅原创 Python训练营DAY16
DAY16为什么会跳过DAY15呢？是以为自身目前为止确实还没有单独做一个小项目的能力，并且Kaggle网站也只局限于登陆过，一些操作还不太熟悉，所以目前决定先跳过一期，后面有时间的话再进行补充。
2025-05-06 23:29:53
1506
原创 Python训练营DAY14
目标： 理解复杂机器学习模型（尤其是“黑箱”模型，如随机森林、梯度提升树、神经网络等）为什么会对特定输入做出特定预测。SHAP 提供了一种统一的方法来解释模型的输出。核心思想：合作博弈论中的 Shapley 值SHAP (SHapley Additive exPlanations) 的核心基于博弈论中的 Shapley 值概念。想象一个合作游戏：1. 玩家 (Players): 模型的特征 (Features) 就是玩家。2. 游戏 (Game):目标是预测某个样本的输出值。
2025-05-05 23:19:25
1889
原创 Python训练营DAY12
超参数调整专题21.三种启发式算法的示例代码：遗传算法、粒子群算法、退火算法2.学习优化算法的思路（避免浪费无效时间）作业：今天以自由探索的思路为主，尝试检索资料、视频、文档，用尽可能简短但是清晰的语言看是否能说清楚这三种算法每种算法的实现逻辑，帮助更深入的理解。只需要解释其中一种算法一、
2025-05-03 23:27:00
1765
原创 Python训练营DAY11
常见的超参数调整方法包括随机搜索、网格搜索和贝叶斯优化。在正式调参前，先构建基线模型（使用默认参数的 RandomForestClassifier），作为性能对比基准。3.1 网格搜索 (GridSearchCV)原理：定义参数网格（param_grid），穷举所有参数组合进行评估缺点：计算成本高，参数组合随参数数量呈指数级增长，通常需缩小搜索范围或结合预筛选3.2 随机搜索 (RandomizedSearchCV)原理：定义参数分布，在指定次数内随机采样评估。
2025-05-02 23:45:26
411
原创 Python训练营DAY10
DAY10从今天开始进入机器学习阶段1. 把之前所有的处理手段都处理一遍，回顾一下全流程，以后就用处理好的部分直接完成2. 开始机器学习建模（简单建模，不涉及调参）和评估。
2025-04-30 23:14:44
802
原创 Python训练营DAY08
目前我们只会用到映射这个用法，他需要传入的是字典，因为字典的键值对，键是唯一的，值可以重复。这很符合数据的特征是固定的，但是值可以变化这个特性。所以后续想完成新的映射，直接修改字典的键值对即可。# 使用花括号创建字典dict['name'] # 访问字典中的值注：创建字典使用“{ }”，但是访问使用的是“[ ]”。
2025-04-27 23:20:26
609
原创 PythonDAY07
数据处理与可视化库导入DAY07针对之前学到的所有知识，针对心脏病项目的数据集来完成数据的预处理。预处理大概分为以下几步：1.数据处理与可视化库导入2.数据加载与初步处理数据处理与可视化库导入注：print（“over”）是本人检验代码是否能正常运行的一种方法，是断点Debugger的下位替代。
2025-04-26 23:16:36
443
原创 Python训练营DAY06
DAY06数据初步可视化内容回顾：单特征可视化：连续变量箱线图（还说了核密度直方图）、离散特征直方图特征和标签关系可视化箱线图美化--->直方图1.单特征分布可视化找到连续特征。
2025-04-25 23:35:16
252
原创 Python训练营DAY03
使用 for 循环遍历 1 到 100 的整数在 Python 里， range() 函数是一个常用的内置函数，用于生成一个不可变的整数序列，range(start, stop) : 生成从 start 开始，到 stop - 1 结束的整数序列，所示是到101。
2025-04-22 23:35:38
533
原创 Python训练营DAY02
布尔值（Boolean）是一种数据类型，它只有两个可能的值： True （真）和 False （假），用于表示逻辑上的肯定和否定。在 Python 里，布尔值常用于条件判断、循环控制等场景。
2025-04-21 21:26:31
376
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人