<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Lemon_ZL的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Lemon_ZL</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Lemon_ZL]]></copyright><item><title><![CDATA[Mysql练习]]></title><link>https://blog.youkuaiyun.com/Lemon_ZL/article/details/126483828</link><guid>https://blog.youkuaiyun.com/Lemon_ZL/article/details/126483828</guid><author>Lemon_ZL</author><pubDate>Tue, 23 Aug 2022 22:10:29 +0800</pubDate><description><![CDATA[mysql]]></description><category></category></item><item><title><![CDATA[统计学知识]]></title><link>https://blog.youkuaiyun.com/Lemon_ZL/article/details/108662244</link><guid>https://blog.youkuaiyun.com/Lemon_ZL/article/details/108662244</guid><author>Lemon_ZL</author><pubDate>Fri, 25 Sep 2020 17:08:53 +0800</pubDate><description><![CDATA[1.交叉分析表

当需要分析多个变量之间，一个变量是否对其他变量的取值存在影响，分析变量之间是否存在相关关系叫交叉表分析。

检验方法：

卡方检验，检验行列之间是否相关


列联系数，用于名义变量之间的相关系数。表征变量之间的相关性强弱。0~1，0代表不相关；1代表相关性强
皮尔逊卡方，似然比，线性关联三种检验结果，皮尔逊卡方常用在二维表中对行变量和列变量进行独立性假设检验，似然比用于对数据线性模型的检验。



实验目的：为分析”实验准备“情况与评价结果的关系。

三种检验方法显著性水平都小于0.05，]]></description><category></category></item><item><title><![CDATA[距离计算以及代码实现]]></title><link>https://blog.youkuaiyun.com/Lemon_ZL/article/details/108793493</link><guid>https://blog.youkuaiyun.com/Lemon_ZL/article/details/108793493</guid><author>Lemon_ZL</author><pubDate>Fri, 25 Sep 2020 14:03:00 +0800</pubDate><description><![CDATA[1.欧氏距离(Euclidean Distance)
(1)二维平面上两点a(x1,y1)与b(x2,y2)间的欧氏距离：
(2)三维空间两点a(x1,y1,z1)与b(x2,y2,z2)间的欧氏距离：
(3)两个n维向量a(x11,x12,…,x1n)与 b(x21,x22,…,x2n)间的欧氏距离：
(4)也可以用表示成向量运算的形式：


import numpy as np
x = np.array([1,2,3,4])
y = np.array([0,5,6,7])

#方法一：根据公式求解
d.]]></description><category></category></item><item><title><![CDATA[2020-09-22]]></title><link>https://blog.youkuaiyun.com/Lemon_ZL/article/details/108726267</link><guid>https://blog.youkuaiyun.com/Lemon_ZL/article/details/108726267</guid><author>Lemon_ZL</author><pubDate>Tue, 22 Sep 2020 11:59:06 +0800</pubDate><description><![CDATA[OLS（最小二乘法）主要用于线性回归的参数估计

OLS线性回归的基本原则：最优拟合曲线应该使各点到直线的距离的平方和（即残差平方和，简称RSS）最小：



OLS线性回归的目标是通过减少响应变量的真实值与预测值的差值来获得模型参数（截距项和斜率），就是使RSS最小。

为了能够恰当地解释OLS模型的系数，数据必须满足以下统计假设：

正态性：对于固定的自变量值，因变量值成正太分布
	独立性：个体之间相互独立
	线性相关：因变量和自变量之间为线性相关
	同方差性：因变量的方差不随自变量的水平不同而变化，.]]></description><category></category></item><item><title><![CDATA[主成分分析]]></title><link>https://blog.youkuaiyun.com/Lemon_ZL/article/details/108723958</link><guid>https://blog.youkuaiyun.com/Lemon_ZL/article/details/108723958</guid><author>Lemon_ZL</author><pubDate>Tue, 22 Sep 2020 10:42:02 +0800</pubDate><description><![CDATA[「什么样的信息/变量才能被压缩？」

只有相关性强的变量才能被压缩。如场景2的数学建模和科技节活动，都是学生们理科思维的体现方式，所以可以考虑把这两者合并成一个新的叫 “ 理科思维 ” 的变量，这样便可以不用两个变量都要费笔墨描述，关键是 “ 理科思维 ” 这个新的变量里面数学建模和科技节这两个旧变量的各自的占比是多少。（因为这里并没有因变量，所以这两个旧变量的权重系数无法简单的使用多元线性回归来完成）如果变量间的关系几乎是独立的却依然强制压缩(比如体育和演讲)，则会大大加剧信息的缺失程度，这也是为什么 “]]></description><category></category></item><item><title><![CDATA[classification_report]]></title><link>https://blog.youkuaiyun.com/Lemon_ZL/article/details/108101694</link><guid>https://blog.youkuaiyun.com/Lemon_ZL/article/details/108101694</guid><author>Lemon_ZL</author><pubDate>Wed, 19 Aug 2020 15:20:03 +0800</pubDate><description><![CDATA[#显示主要分类指标的文本报告
from sklearn.metrics import classification_report
y_true = [0, 1, 2, 2, 2]
y_pred = [0, 0, 2, 2, 1]
target_names = ['class 0', 'class 1', 'class 2']
print(classification_report(y_true, y_pred, target_names=target_names))
#support每个样本出现的次数
#微]]></description><category></category></item><item><title><![CDATA[多元线性回归检验]]></title><link>https://blog.youkuaiyun.com/Lemon_ZL/article/details/107311904</link><guid>https://blog.youkuaiyun.com/Lemon_ZL/article/details/107311904</guid><author>Lemon_ZL</author><pubDate>Mon, 13 Jul 2020 10:43:33 +0800</pubDate><description><![CDATA[多元线性回归模型通常用来研究一个应变量依赖多个自变量的变化关系，如果二者的以来关系可以用线性形式来刻画，则可以建立多元线性模型来进行分析。

1.t检验

t检验是对单个变量系数的显著性检验，一般看p值；如果p值小于0.05表示该自变量对因变量解释性很强。

2.F检验

F检验是对整体回归方程显著性的检验，即所有变量对被解释变量的显著性检验  

 



 

F检验其通常是用来分析用了超过一个参数的统计模型，以判断该模型中的全部或一部分参数是否适合用来估计母体。

3.P值

P值...]]></description><category></category></item><item><title><![CDATA[Pyspark,Python下安装Spark，无需安装Hadoop]]></title><link>https://blog.youkuaiyun.com/Lemon_ZL/article/details/107209819</link><guid>https://blog.youkuaiyun.com/Lemon_ZL/article/details/107209819</guid><author>Lemon_ZL</author><pubDate>Wed, 08 Jul 2020 17:35:47 +0800</pubDate><description><![CDATA[又是装环境斗志斗勇的一天，苦笑

之前一直不想搭虚拟机/Hadoop/spark这些环境，后来python三千万行数据实在跑不动了，知道有pyspark这等好东西，以为conda install pyspark一下就可以了，发现并没有那么简单。找了很多资料，搜了很多也没找到合适的教程，正好记录一下，希望能帮到需要的同学。不用虚拟机不用Hadoop。

环境：anconda 3.0 win10 64位

1.下载

第一步conda install pyspark
	下载sparkhttp://spark..]]></description><category></category></item><item><title><![CDATA[京东购买意向预测]]></title><link>https://blog.youkuaiyun.com/Lemon_ZL/article/details/107190233</link><guid>https://blog.youkuaiyun.com/Lemon_ZL/article/details/107190233</guid><author>Lemon_ZL</author><pubDate>Tue, 07 Jul 2020 20:53:52 +0800</pubDate><description><![CDATA[构建新表

1.user_table                          2.item_table

    
]]></description><category></category></item><item><title><![CDATA[卡方独立性检验|卡方拟合性检验]]></title><link>https://blog.youkuaiyun.com/Lemon_ZL/article/details/106957641</link><guid>https://blog.youkuaiyun.com/Lemon_ZL/article/details/106957641</guid><author>Lemon_ZL</author><pubDate>Thu, 25 Jun 2020 22:59:58 +0800</pubDate><description><![CDATA[独立性检验

“独立性检验”验证从两个变量抽出的配对观察值组是否互相独立（例如：每次都从A国和B国各抽一个人，看他们的反应是否与国籍无关）。

独立性检验主要用于两个或两个以上因素多项分类的计数资料分析，也就是研究两类变量之间的关联性和依存性问题。如果两变量无关联即相互独立，说明对于其中一个变量而言，另一变量多项分类次数上的变化是在无差范围之内；如果两变量有关联即不独立，说明二者之间有交互作用存在。

独立性检验一般采用列联表的形式记录观察数据, 列联表是由两个以上的变量进行交叉分类的频数分布表，是用于提.]]></description><category></category></item><item><title><![CDATA[多重共线性VIF]]></title><link>https://blog.youkuaiyun.com/Lemon_ZL/article/details/106944097</link><guid>https://blog.youkuaiyun.com/Lemon_ZL/article/details/106944097</guid><author>Lemon_ZL</author><pubDate>Wed, 24 Jun 2020 15:11:07 +0800</pubDate><description><![CDATA[多重共线性是指自变量之间存在线性相关关系，即一个自变量可以是其他一个或几个自变量的线性组合。

方差膨胀系数(variance inflation factor，VIF)

是衡量多元线性回归模型中复 (多重)共线性严重程度的一种度量。它表示回归系数估计量的方差与假设自变量间不线性相关时方差相比的比值。
多重共线性是指自变量之间存在线性相关关系，即一个自变量可以是其他一个或几个自变量的线性组合。
检验方法主要有：容忍度(Tolerance)和方差膨胀系数(Variance inflation factor，]]></description><category></category></item><item><title><![CDATA[python函数多参数]]></title><link>https://blog.youkuaiyun.com/Lemon_ZL/article/details/106892036</link><guid>https://blog.youkuaiyun.com/Lemon_ZL/article/details/106892036</guid><author>Lemon_ZL</author><pubDate>Sun, 21 Jun 2020 22:07:09 +0800</pubDate><description><![CDATA[def demo(num, *args, **kwargs):
    print(num)
    print(args)
    print(kwargs)
demo(1, 2, 3, 4, 5, name="小明", age=18, gender=True)


1
(2, 3, 4, 5)
{'name': '小明', 'age': 18, 'gender': True}


def demo(*args, **kwargs):

    print(args)
    print(kwargs).]]></description><category></category></item><item><title><![CDATA[python字符串常用操作]]></title><link>https://blog.youkuaiyun.com/Lemon_ZL/article/details/106888372</link><guid>https://blog.youkuaiyun.com/Lemon_ZL/article/details/106888372</guid><author>Lemon_ZL</author><pubDate>Sun, 21 Jun 2020 21:26:01 +0800</pubDate><description><![CDATA[hello_str = 'Python'

```powershell
hello_str.capitalize    hello_str.isidentifier  hello_str.rindex
hello_str.casefold      hello_str.islower       hello_str.rjust
hello_str.center        hello_str.isnumeric     hello_str.rpartition
hello_str.count       ]]></description><category></category></item><item><title><![CDATA[python常用序列函数]]></title><link>https://blog.youkuaiyun.com/Lemon_ZL/article/details/106887735</link><guid>https://blog.youkuaiyun.com/Lemon_ZL/article/details/106887735</guid><author>Lemon_ZL</author><pubDate>Sun, 21 Jun 2020 17:01:49 +0800</pubDate><description><![CDATA[1.enumerate函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标，一般用在 for 循环当中

参数可以是字符串，列表，元组，字典。返回 enumerate(枚举) 对象


l = 'python'
for i in enumerate(l):
    print(i)


(0, 'p')
(1, 'y')
(2, 't')
(3, 'h')
(4, 'o')
(5, 'n')




...]]></description><category></category></item><item><title><![CDATA[波士顿房价KNN]]></title><link>https://blog.youkuaiyun.com/Lemon_ZL/article/details/106885970</link><guid>https://blog.youkuaiyun.com/Lemon_ZL/article/details/106885970</guid><author>Lemon_ZL</author><pubDate>Sun, 21 Jun 2020 15:21:32 +0800</pubDate><description><![CDATA[from sklearn.datasets import load_boston
boston = load_boston()
X =boston.data
y = boston.target
X.shape




from sklearn.model_selection import train_test_split
import numpy as np
X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.25,ra...]]></description><category></category></item><item><title><![CDATA[matplotlib|箱线图]]></title><link>https://blog.youkuaiyun.com/Lemon_ZL/article/details/106877288</link><guid>https://blog.youkuaiyun.com/Lemon_ZL/article/details/106877288</guid><author>Lemon_ZL</author><pubDate>Sat, 20 Jun 2020 20:31:57 +0800</pubDate><description><![CDATA[import numpy as np
import pandas as pd
def OutlierDetection(df):
    # 计算下四分位数和上四分位
    Q1 = df.quantile(q=0.25)
    Q3 = df.quantile(q=0.75)

    # 基于1.5倍的四分位差计算上下须对应的值
    low_whisker = Q1 - 1.5 * (Q3 - Q1)
    up_whisker = Q3 + 1.5 * (Q3 - Q1)

    # 寻.]]></description><category></category></item><item><title><![CDATA[机器学习回归算法汇总_加利福尼亚房价]]></title><link>https://blog.youkuaiyun.com/Lemon_ZL/article/details/106863783</link><guid>https://blog.youkuaiyun.com/Lemon_ZL/article/details/106863783</guid><author>Lemon_ZL</author><pubDate>Fri, 19 Jun 2020 21:10:09 +0800</pubDate><description><![CDATA[一.探索数据
%matplotlib inline
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
import seaborn as sns
plt.style.use('fivethirtyeight')
import warnings
warnings.filterwarnings('ignore')
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
]]></description><category></category></item><item><title><![CDATA[样本不均衡]]></title><link>https://blog.youkuaiyun.com/Lemon_ZL/article/details/106761121</link><guid>https://blog.youkuaiyun.com/Lemon_ZL/article/details/106761121</guid><author>Lemon_ZL</author><pubDate>Mon, 15 Jun 2020 14:08:11 +0800</pubDate><description><![CDATA[1.对训练集中的反类样例进行“欠采样”，去除一些返利，使得正反例数目接近，然后再进行学习；

2.对训练集里的正类样例进行“过采样”，增加一些正例使得正反例数目接近

3.基于原始数据进行学习，但在分类器预测时，阈值移动
...]]></description><category></category></item><item><title><![CDATA[损失函数]]></title><link>https://blog.youkuaiyun.com/Lemon_ZL/article/details/106713138</link><guid>https://blog.youkuaiyun.com/Lemon_ZL/article/details/106713138</guid><author>Lemon_ZL</author><pubDate>Sat, 13 Jun 2020 00:30:50 +0800</pubDate><description><![CDATA[cost function或者loss function用来度量预测错误的程度，f(x)和Y的非负实值函数，记作L（Y,f(x)）


]]></description><category></category></item><item><title><![CDATA[Pandas空值判断]]></title><link>https://blog.youkuaiyun.com/Lemon_ZL/article/details/106683277</link><guid>https://blog.youkuaiyun.com/Lemon_ZL/article/details/106683277</guid><author>Lemon_ZL</author><pubDate>Thu, 11 Jun 2020 10:57:06 +0800</pubDate><description><![CDATA[1.浮点型float

np.isnan()

pd.isna()

pd.isnull()/pd.notnull







2.字符串str

pd.isna()

pd.isnull()/pd.notnull()







3.时间datetime类型

np.isnat()



pd.isnull/pd.notnull万能
]]></description><category></category></item></channel></rss>