<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[花花公子]]></title><description><![CDATA[中关村打工仔]]></description><link>https://blog.youkuaiyun.com/genghaihua</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; genghaihua]]></copyright><item><title><![CDATA[seaborn heatmap 热力图]]></title><link>https://blog.youkuaiyun.com/genghaihua/article/details/106264651</link><guid>https://blog.youkuaiyun.com/genghaihua/article/details/106264651</guid><author>genghaihua</author><pubDate>Thu, 21 May 2020 18:04:01 +0800</pubDate><description><![CDATA[fig, axes =plt.subplots(1,2)
# print(train_df.corr())
sns.heatmap(train_df.corr(), square=True, annot=True,ax=axes[0])
sns.heatmap(train_df.corr(),  annot=True,ax=axes[1])
plt.show()



可以看到各个特征变量之间的相关性都比较小（一般相关系数大于0.6可以进行变量剔除)。


...]]></description><category></category></item><item><title><![CDATA[seaborn violinplot小提琴图]]></title><link>https://blog.youkuaiyun.com/genghaihua/article/details/106261226</link><guid>https://blog.youkuaiyun.com/genghaihua/article/details/106261226</guid><author>genghaihua</author><pubDate>Thu, 21 May 2020 16:48:07 +0800</pubDate><description><![CDATA[小提琴图是用来展示多组数据的分布状态以及概率密度。跟箱线图类似，但是可以密度层面展示更好。在数据量非常大不方便一个一个展示的时候小提琴图特别适用。

小提琴图如下:





小提琴图各位置对应参数，中间一条就是箱线图数据，25%，50%，75%位置，细线区间为95%置信区间。




import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

pd.set_option('d..]]></description><category></category></item><item><title><![CDATA[seaborn boxplot 箱线图]]></title><link>https://blog.youkuaiyun.com/genghaihua/article/details/106260543</link><guid>https://blog.youkuaiyun.com/genghaihua/article/details/106260543</guid><author>genghaihua</author><pubDate>Thu, 21 May 2020 16:23:59 +0800</pubDate><description><![CDATA[# coding=utf-8
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

pd.set_option('display.max_columns', None)
pd.set_option('display.width', None)
plt.rcParams['font.sans-serif']=['SimHei'] #显示中文标签
plt.rcParams['f.]]></description><category></category></item><item><title><![CDATA[Seaborn distplot 核密度估计和直方图估计混合]]></title><link>https://blog.youkuaiyun.com/genghaihua/article/details/106258897</link><guid>https://blog.youkuaiyun.com/genghaihua/article/details/106258897</guid><author>genghaihua</author><pubDate>Thu, 21 May 2020 15:22:17 +0800</pubDate><description><![CDATA[# coding=utf-8
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

pd.set_option('display.max_columns', None)
pd.set_option('display.width', None)
plt.rcParams['font.sans-serif']=['SimHei'] #显示中文标签
plt.rcParams['f.]]></description><category></category></item><item><title><![CDATA[seaborn kdeplot 核密度估计]]></title><link>https://blog.youkuaiyun.com/genghaihua/article/details/106257944</link><guid>https://blog.youkuaiyun.com/genghaihua/article/details/106257944</guid><author>genghaihua</author><pubDate>Thu, 21 May 2020 14:50:13 +0800</pubDate><description><![CDATA[# coding=utf-8
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

pd.set_option('display.max_columns', None)
pd.set_option('display.width', None)
plt.rcParams['font.sans-serif']=['SimHei'] #显示中文标签
plt.rcParams['f.]]></description><category></category></item><item><title><![CDATA[seaborn countplot 统计]]></title><link>https://blog.youkuaiyun.com/genghaihua/article/details/106256626</link><guid>https://blog.youkuaiyun.com/genghaihua/article/details/106256626</guid><author>genghaihua</author><pubDate>Thu, 21 May 2020 14:18:39 +0800</pubDate><description><![CDATA[value counts for a single and tow categorical variable  


# coding=utf-8
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

pd.set_option('display.max_columns', None)
pd.set_option('display.width', None)
plt....]]></description><category></category></item><item><title><![CDATA[分类模型指标ks的含义]]></title><link>https://blog.youkuaiyun.com/genghaihua/article/details/106136328</link><guid>https://blog.youkuaiyun.com/genghaihua/article/details/106136328</guid><author>genghaihua</author><pubDate>Fri, 15 May 2020 11:05:21 +0800</pubDate><description><![CDATA[如果理解ROC曲线的话，就很容易理解KS了。roc横纵坐标分别为FPR、TPR。

KS横轴为阈值，纵轴为不同阈值下的TPR，FPR，KS值是MAX(TPR - FPR），即两曲线相距最远的距离



ks值
			含义
		&gt; 0.3
			模型预测性较好
		0,2~0.3
			模型可用
		0~0.2
			模型预测能力较差
		&lt; 0
			模型错误
		



征信模型中，最期望得到的信用分数分布是正态分布，对于正负样本分别而言，也都是期望呈正态分布的样子。如果KS值过大，一般...]]></description><category></category></item><item><title><![CDATA[mysql 获取指定index的列，查询第几列的数据]]></title><link>https://blog.youkuaiyun.com/genghaihua/article/details/105843729</link><guid>https://blog.youkuaiyun.com/genghaihua/article/details/105843729</guid><author>genghaihua</author><pubDate>Wed, 29 Apr 2020 16:53:49 +0800</pubDate><description><![CDATA[有同事面试问道这个题目，无聊之下实现了一下。


SET @table_name="dim_app_id_source";#表名
SET @position_index=3;#第几列
SET @limit_num=20;#取多少条数据
SET @col_name = (SELECT COLUMN_NAME FROM information_schema.COLUMNS WHERE table_na...]]></description><category></category></item><item><title><![CDATA[XGBoost二阶泰勒展开公式推导]]></title><link>https://blog.youkuaiyun.com/genghaihua/article/details/103872455</link><guid>https://blog.youkuaiyun.com/genghaihua/article/details/103872455</guid><author>genghaihua</author><pubDate>Tue, 07 Jan 2020 13:00:35 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[机器学习--Logistic回归计算过程的推导]]></title><link>https://blog.youkuaiyun.com/genghaihua/article/details/103735889</link><guid>https://blog.youkuaiyun.com/genghaihua/article/details/103735889</guid><author>genghaihua</author><pubDate>Fri, 27 Dec 2019 17:24:57 +0800</pubDate><description><![CDATA[Logistic回归总结



作者：洞庭之子

微博：洞庭之子-Bing

（2013年11月）



PDF下载地址：http://download.youkuaiyun.com/detail/lewsn2008/6547463

1.引言

看了Stanford的Andrew Ng老师的机器学习公开课中关于Logistic Regression的讲解，然后又看了《机器学习实战》中的LogisticR...]]></description><category></category></item><item><title><![CDATA[securecrt不同session在同一个窗口打开]]></title><link>https://blog.youkuaiyun.com/genghaihua/article/details/102561956</link><guid>https://blog.youkuaiyun.com/genghaihua/article/details/102561956</guid><author>genghaihua</author><pubDate>Tue, 15 Oct 2019 10:17:00 +0800</pubDate><description><![CDATA[点击session，右键，选择上open sessions in a tap
]]></description><category></category></item><item><title><![CDATA[Python 确定多项式拟合/回归的阶数]]></title><link>https://blog.youkuaiyun.com/genghaihua/article/details/97384911</link><guid>https://blog.youkuaiyun.com/genghaihua/article/details/97384911</guid><author>genghaihua</author><pubDate>Fri, 26 Jul 2019 13:23:59 +0800</pubDate><description><![CDATA[通过 1至10 阶来拟合对比 均方误差及R评分，可以确定最优的“最大阶数”。


import numpy as np
import matplotlib.pyplot as plt
from sklearn.preprocessing import PolynomialFeatures
from sklearn.linear_model import LinearRegression,Perce...]]></description><category></category></item><item><title><![CDATA[协方差矩阵的向量表示推导]]></title><link>https://blog.youkuaiyun.com/genghaihua/article/details/95058735</link><guid>https://blog.youkuaiyun.com/genghaihua/article/details/95058735</guid><author>genghaihua</author><pubDate>Mon, 08 Jul 2019 14:16:28 +0800</pubDate><description><![CDATA[多维随机变量的协方差矩阵
对多维随机变量X=[X1,X2,…,Xn]TX=[X1,X2,…,Xn]T，我们往往需要计算各维度之间的协方差，这样协方差就组成了一个n×nn×n的矩阵，称为协方差矩阵。协方差矩阵是一个对角矩阵，对角线上的元素是各维度上随机变量的方差。 我们定义协方差为ΣΣ, 矩

相关性，而不是对象之间的，所以协方差矩阵的大小与维度相同。cici表示第i维的随机变量。

这里分母为m...]]></description><category></category></item><item><title><![CDATA[牛顿法]]></title><link>https://blog.youkuaiyun.com/genghaihua/article/details/93908187</link><guid>https://blog.youkuaiyun.com/genghaihua/article/details/93908187</guid><author>genghaihua</author><pubDate>Thu, 27 Jun 2019 20:25:07 +0800</pubDate><description><![CDATA[牛顿法用于最优化
在最优化的问题中，线性最优化至少可以使用单纯行法求解，但对于非线性优化问题，牛顿法提供了一种求解的办法。假设任务是优化一个目标函数f，求函数f的极大极小问题，可以转化为求解函数f的导数f'=0的问题，这样求可以把优化问题看成方程求解问题（f'=0）。剩下的问题就和第一部分提到的牛顿法求解很相似了。

这次为了求解f'=0的根，把f（x）的泰勒展开，展开到2阶形式：


上面的表...]]></description><category></category></item><item><title><![CDATA[python利用eval方法提升dataframe运算性能]]></title><link>https://blog.youkuaiyun.com/genghaihua/article/details/92836106</link><guid>https://blog.youkuaiyun.com/genghaihua/article/details/92836106</guid><author>genghaihua</author><pubDate>Wed, 19 Jun 2019 16:47:28 +0800</pubDate><description><![CDATA[eval方法可以直接利用c语言的速度，而不用分配中间数组，不需要中间内存的占用.

如果包含多个步骤，每个步骤都要分配一块内存


import numpy as np
import pandas as pd
import timeit


df = pd.DataFrame({'a': np.random.randn(10000000),
                   'b': np....]]></description><category></category></item><item><title><![CDATA[numpy数据类型]]></title><link>https://blog.youkuaiyun.com/genghaihua/article/details/92813791</link><guid>https://blog.youkuaiyun.com/genghaihua/article/details/92813791</guid><author>genghaihua</author><pubDate>Wed, 19 Jun 2019 11:36:22 +0800</pubDate><description><![CDATA[numpy中常见的数据类型如下。在使用的时候依据数据范围选择合适的数据类型，避免占用不必要的内存。

Numpy type
			C type
			Description
		np.int8
			int8_t
			Byte (-128 to 127)
		np.int16
			int16_t
			Integer (-32768 to 32767)
		np.int32
			int32...]]></description><category></category></item><item><title><![CDATA[numpy copy(无拷贝 浅拷贝、深拷贝)类型说明]]></title><link>https://blog.youkuaiyun.com/genghaihua/article/details/92806584</link><guid>https://blog.youkuaiyun.com/genghaihua/article/details/92806584</guid><author>genghaihua</author><pubDate>Wed, 19 Jun 2019 10:52:44 +0800</pubDate><description><![CDATA[numpy copy分为三种，no copy，shallow copy or view,deep copy三种。

1 无拷贝

简单的复制操作不会产生对象的复制操作。


import numpy as np
a = np.arange(12)
b=a #对象复制,a,b地址一样
b.shape = 3,4 #a对象的shape也会变化

2 浅拷贝

 view操作，如numpy的slic...]]></description><category></category></item><item><title><![CDATA[xgb 切分点选择]]></title><link>https://blog.youkuaiyun.com/genghaihua/article/details/92797263</link><guid>https://blog.youkuaiyun.com/genghaihua/article/details/92797263</guid><author>genghaihua</author><pubDate>Tue, 18 Jun 2019 17:50:34 +0800</pubDate><description><![CDATA[XGBoost是串行生成CART树，但是XGBoost在处理特征时可以做到并行处理，XGBoost并行原理体现在最优切分点的选择，假设样本数据共M个特征，对于某一轮CART树的构建过程中，选择最佳切分点算法如下图：

最佳切分点流程图

1. 红色框表示根据每个特征大小对训练数据进行排序，保存为block结构，block个数与特征数量相等。

2. 绿色宽表示对每个block结构选择最佳特征切分点...]]></description><category></category></item><item><title><![CDATA[目标函数、损失函数、代价函数]]></title><link>https://blog.youkuaiyun.com/genghaihua/article/details/92199658</link><guid>https://blog.youkuaiyun.com/genghaihua/article/details/92199658</guid><author>genghaihua</author><pubDate>Sat, 15 Jun 2019 21:39:49 +0800</pubDate><description><![CDATA[损失函数和代价函数是同一个东西，目标函数是一个与他们相关但更广的概念，对于目标函数来说在有约束条件下的最小化就是损失函数（loss function）

1损失函数 (一般针对个体)

我们给定  ，这三个函数都会输出一个  ,这个输出的  与真实值  可能是相同的，也可能是不同的，为了表示我们拟合的好坏，我们就用一个函数来度量拟合的程度，比如：

 ，这个函数就称为损失函数(loss func...]]></description><category></category></item><item><title><![CDATA[先验概率和后验概率的区别]]></title><link>https://blog.youkuaiyun.com/genghaihua/article/details/92194362</link><guid>https://blog.youkuaiyun.com/genghaihua/article/details/92194362</guid><author>genghaihua</author><pubDate>Sat, 15 Jun 2019 21:17:00 +0800</pubDate><description><![CDATA[从原因到结果的论证称为“先验的”，而从结果到原因的论证称为“后验的”。

假如A代表结果，B代表导致A发生的原因

那么P(Bi)表示先验概率

P(Bi|A)代表后验概率

贝叶斯公式：

P(Bi|A)=P(A|Bi)P(Bi)/P(A)
...]]></description><category></category></item></channel></rss>