<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[itszy的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/itszy</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; itszy]]></copyright><item><title><![CDATA[广义线性回归模型]]></title><link>https://blog.youkuaiyun.com/itszy/article/details/123578991</link><guid>https://blog.youkuaiyun.com/itszy/article/details/123578991</guid><author>itszy</author><pubDate>Sat, 19 Mar 2022 15:57:27 +0800</pubDate><description><![CDATA[提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录前言一、简介一、广义线性回归模型之泊松回归（logit/probit回归）二、使用步骤1.引入库2.读入数据总结

前言
提示：glm被用于拟合广义线性模型，特别是通过给出对线性预测子的符号描述以及对误差分布的描述
一、简介
glm(formula, family = gaussian, data, weights, subset,
    na.action, start = NULL, etastart, mustart, o.]]></description><category></category></item><item><title><![CDATA[随机森林分析金融数据]]></title><link>https://blog.youkuaiyun.com/itszy/article/details/123560321</link><guid>https://blog.youkuaiyun.com/itszy/article/details/123560321</guid><author>itszy</author><pubDate>Fri, 18 Mar 2022 16:25:15 +0800</pubDate><description><![CDATA[提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录随机森林模型一、随机森林模型1.数据加载二、数据清洗2.1.删除变量2.2变量数据类型转换2.3划分训练集和测试集三、随机森林分析3.1建模分析3.2模型优化总结

随机森林模型
首先：安装需要的几个R语言包：ggplot2，VIM，ggrepel
数据说明：




名称
类型
描述




account
string
现有支票帐户的状态（A11：&lt;0 DM，A12：0 &lt;= x &lt;200 DM，A13：&g.]]></description><category></category></item><item><title><![CDATA[利用Python爬取国家水稻数据中心的品种数据]]></title><link>https://blog.youkuaiyun.com/itszy/article/details/85125743</link><guid>https://blog.youkuaiyun.com/itszy/article/details/85125743</guid><author>itszy</author><pubDate>Thu, 20 Dec 2018 16:21:10 +0800</pubDate><description><![CDATA[利用Python爬取国家水稻数据中心的品种数据

一.页面获取
python可以进行对网页的访问，主要用到requests，beautifulsoup4包。
首先新建一个page的py文件，用来获取页面的数据。

import requests
import bs4
import re
import math

def get_page(url, coding):  # 创建一个函数，用来获取BS...]]></description><category></category></item><item><title><![CDATA[学习笔记①：使用python进行文本分类]]></title><link>https://blog.youkuaiyun.com/itszy/article/details/64133260</link><guid>https://blog.youkuaiyun.com/itszy/article/details/64133260</guid><author>itszy</author><pubDate>Mon, 20 Mar 2017 20:30:42 +0800</pubDate><description><![CDATA[学习笔记①：使用python进行文本分类

①收集数据：可以使用任何方法。 
②准备数据：需要数值型或者布尔型数据。 
③分析数据：有大量特征时，绘制特征作用不大，此时使用直方图效果更好。 
④训练算法：计算不同的独立特征的条件概率。 
⑤测试算法：计算错误率。 
⑥使用算法：一个常见的朴素贝叶斯应用是文档分类。可以在任意的分类场景中使用朴素贝叶斯分类器，不一定非要是文本。]]></description><category></category></item><item><title><![CDATA[TypeError: 'numpy.float64' object cannot be interpreted as an integer]]></title><link>https://blog.youkuaiyun.com/itszy/article/details/62058176</link><guid>https://blog.youkuaiyun.com/itszy/article/details/62058176</guid><author>itszy</author><pubDate>Tue, 14 Mar 2017 21:36:48 +0800</pubDate><description><![CDATA[TypeError: ‘numpy.float64’ object cannot be interpreted as an integer
出现此情况的原因是plt.hist(normal_values, np.sqrt(N), normed=True, lw=1)中的np.sqrt(N)是浮点型数据，而hist要求是int型数据，所有加上int(np.sqrt(N))import numpy as]]></description><category></category></item><item><title><![CDATA[python3错误——UnicodeEncodeError: 'latin-1' codec can't encode character...]]></title><link>https://blog.youkuaiyun.com/itszy/article/details/61691670</link><guid>https://blog.youkuaiyun.com/itszy/article/details/61691670</guid><author>itszy</author><pubDate>Sun, 12 Mar 2017 23:28:35 +0800</pubDate><description><![CDATA[今天在pycharm里面抄代码时碰到 UnicodeEncodeError


后来在水木社区翻到一个帖子中说， python 3 明确区分了 bytes 和 str, 也就是未解码的字节流和解码过的字符流，python2 里面这两个经常是搅在一起的。

所有在python3里面报错，而在python2里面没报错。
后面改成这样即可运行：

# -*- coding:utf-8 -]]></description><category></category></item></channel></rss>