- 博客(42)
- 收藏
- 关注
RSS订阅原创 PYTHON训练营DAY33
# 简单的神经网络 # 检查CUDA # 数据准备 # 模型架构 # 训练（CPU）# 损失函数、优化器 # 循环训练 #
2025-05-22 21:19:12
155
原创 PYTHON训练营DAY28
题目1：定义圆（Circle）类要求：包含属性：半径 radius。包含方法：calculate_area()：计算圆的面积（公式：πr²）。calculate_circumference()：计算圆的周长（公式：2πr）。初始化时需传入半径，默认值为 1。
2025-05-17 23:30:00
459
原创 PYTHON训练营DAY19
# 特征降维 # 特征筛选 # 方差筛选 # 皮尔逊相关系数筛选 # lasso筛选 #树模型重要性筛选 #SHAP重要性筛选 # 递归特征消除RFE
2025-05-08 23:04:32
227
2
原创 PYTHON训练营DAY18（有创新点）
分完之后呢，你把这些簇当成不同的类别（就像给每个簇贴了个临时标签 ），再把除了这个簇类别之外的其他所有特征当作输入数据（也就是 x ），去构建一个监督学习模型。那你就可以重点看年龄和购买商品品类这俩特征，根据这俩特征在不同簇里的表现，来给每个簇赋予像 “年轻时尚商品偏好型”“中年实用商品偏好型” 这种实际的含义。所以呢，在开始聚类的时候，你就只拿这些和购买习惯相关的信息来操作，不去管消费者年龄、是做什么工作的这类信息。等聚类完了，你看每个簇里消费者在这些特征上的表现，就能直接给每个簇贴上实际的标签。
2025-05-08 01:13:49
166
原创 PYTHON训练营DAY17
想象每个样本=一个人，聚类的簇=不同的小组。轮廓系数：看每个人在自己小组里待得有多舒服，以及和其他小组的人隔得有多远。2.
2025-05-07 00:17:36
393
原创 PYTHON训练营DAY16
# NUMPY #轴 # 数组的简单创建 #数组的遍历 # 数组的索引 # 数组的运算 # 会了以上，就可以在项目中SHAP可视化可以单独看特征的贡献
2025-05-06 01:23:22
1635
原创 PYTHON训练营DAY15
# 认识数据，离散/连续特征筛选，二分类（离散）标签编码，连续特征标准化编码，相关性分析，直方图绘制，双箱线图绘制，描述性统计，SMOTE过采样，建模训练，贝叶斯优化，SHAP可视化
2025-05-04 23:40:02
356
原创 PYTHON训练营DAY5
# 天苍苍野茫茫，教练我是代码王 #离散特征的独热编码 #读取数据 #找到离散特征 #选择一个离散特征独热编码 #循环独热编码 #填补缺失值
2025-04-25 01:06:17
305
2
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