<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[li123chen的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/li123chen</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; li123chen]]></copyright><item><title><![CDATA[图解HTTP]]></title><link>https://blog.youkuaiyun.com/li123chen/article/details/102466242</link><guid>https://blog.youkuaiyun.com/li123chen/article/details/102466242</guid><author>li123chen</author><pubDate>Thu, 10 Oct 2019 18:31:50 +0800</pubDate><description><![CDATA[第一章 了解Web及网络基础
HTTP是TCP/IP的一个子集。
TCP/IP
TCP/IP：计算机和网络设备进行通信，双方必须基于相同的方法。
分层：好处，解耦合，修改时只需修改相关层即可。
应用层：向用户提供应用服务时通信的活动。HTTP属于这一层。
传输层：TCP
网络层：IP
链路层
IP协议（传输）
IP的作用是将各种数据包传输给对方。
两个重要条件是IP地址（节点被分配的地址，可变）和...]]></description><category></category></item><item><title><![CDATA[利用python进行数据分析]]></title><link>https://blog.youkuaiyun.com/li123chen/article/details/89791993</link><guid>https://blog.youkuaiyun.com/li123chen/article/details/89791993</guid><author>li123chen</author><pubDate>Tue, 03 Sep 2019 13:46:20 +0800</pubDate><description><![CDATA[第一章 准备工作
第二章 引言
第三章 ipython
第四章 numpy基础和矢量计算
第五章 pandas 入门
第六章 数据加载、储存和文件格式
第七章 数据规整化：清理、转换、合并、重塑
第八章 绘图和可视化
第九章 数据聚合与分组计算
第十章 时间序列
第十一章 金融和经济数据应用

...]]></description><category></category></item><item><title><![CDATA[kaggle比赛流程]]></title><link>https://blog.youkuaiyun.com/li123chen/article/details/90451558</link><guid>https://blog.youkuaiyun.com/li123chen/article/details/90451558</guid><author>li123chen</author><pubDate>Tue, 03 Sep 2019 13:45:54 +0800</pubDate><description><![CDATA[对问题的认识
搞清楚有哪些特征，各自代表的意义是什么。（看特征说明结合head)
对将要预测的连续变量做一个describe,有一个直观的认识
对数据的认识
**首先，**依据直觉将数值类特征和类型类特征分别进行绘图处理，查看他们与标签的关系。
数值类特征，通过绘制散点图观察特征与标签的关系，来估计特征的重要程度。如

var = 'GrLivArea'
data = pd.concat([df_...]]></description><category></category></item><item><title><![CDATA[python机器学习第二版（读书笔记）]]></title><link>https://blog.youkuaiyun.com/li123chen/article/details/89814567</link><guid>https://blog.youkuaiyun.com/li123chen/article/details/89814567</guid><author>li123chen</author><pubDate>Tue, 03 Sep 2019 13:45:30 +0800</pubDate><description><![CDATA[第一章 赋予计算机从数据中学习的能力
第二章 训练简单的机器学习分类方法
第三章
第四章
第五章
第六章
第八章
第九章
第十章
第十一章
第十二章
第十三章
第十四章
第十五章
第十六章

...]]></description><category></category></item><item><title><![CDATA[特征工程杂项]]></title><link>https://blog.youkuaiyun.com/li123chen/article/details/90631707</link><guid>https://blog.youkuaiyun.com/li123chen/article/details/90631707</guid><author>li123chen</author><pubDate>Tue, 03 Sep 2019 13:44:53 +0800</pubDate><description><![CDATA[数学知识
卡方检验：比较理论频数与实际频数的吻合程度。

其中，A为实际值，T为理论值。
x2用于衡量实际值与理论值的差异程度（也就是卡方检验的核心思想），包含了以下两个信息：


实际值与理论值偏差的绝对大小（由于平方的存在，差异是被放大的）


差异程度与理论值的相对大小


这里需要用到一个自由度的概念，自由度等于V = (行数 - 1) * (列数 - 1)，对四格表，自由度V = 1。
...]]></description><category></category></item><item><title><![CDATA[python大战机器学习（读书笔记）]]></title><link>https://blog.youkuaiyun.com/li123chen/article/details/94381909</link><guid>https://blog.youkuaiyun.com/li123chen/article/details/94381909</guid><author>li123chen</author><pubDate>Tue, 03 Sep 2019 13:44:28 +0800</pubDate><description><![CDATA[第一章 线性模型
逻辑回归与线性回归
理论
回归分析：回归分析的本质是函数估计的问题（包括参数估计和非参数估计），依据因变量的联系或离散分为回归或者分类，是一种有监督学习方法。
广义线性模型：拟合的是关于y的可导函数，如逻辑回归，拟合的就是y的ln函数。
线性回归求解的两个表示：用最小化均方误差和基于高斯分布的极大似然估计求解线性回归，其结果是一样的（在线性回归中假设Y|X服从高斯分布，而逻辑回归...]]></description><category></category></item><item><title><![CDATA[java语言程序设计（梁勇）]]></title><link>https://blog.youkuaiyun.com/li123chen/article/details/100161217</link><guid>https://blog.youkuaiyun.com/li123chen/article/details/100161217</guid><author>li123chen</author><pubDate>Tue, 03 Sep 2019 13:43:51 +0800</pubDate><description><![CDATA[第一章　计算机、程序和ｊａｖａ概述
时钟速度越快，给点单位时间内处理的命令就越多。
汇编器：将汇编语言转换为机器语言
源程序（源代码）：由高级语言编写的程序
又分编译器和解释器。
java是编译语言
操作系统(os)：是运行在计算机上最重要的程序，用来管理和控制计算机的活动。其作用为：１、控制和监视系统的活动；２、分配和调配系统资源；３、调度操作，其中包括多进程、多线程、多处理
多进程：计算机可以...]]></description><category></category></item><item><title><![CDATA[深度学习]]></title><link>https://blog.youkuaiyun.com/li123chen/article/details/100099660</link><guid>https://blog.youkuaiyun.com/li123chen/article/details/100099660</guid><author>li123chen</author><pubDate>Tue, 03 Sep 2019 13:43:15 +0800</pubDate><description><![CDATA[第六章　深度前馈网络
前馈网络是基石，卷积神经网络以此为基础。
理解：从线性模型开始，进行扩展，克服其局限性。如挑选一个映射，将映射后的新变量作为新的特征，再做线性变换。
深度学习的策略：学习此映射。
神经网络与线性模型的区别：神经网络的非线性使得代价函数变的非凸，因此神经网络的优化通常是迭代的、基于梯度的优化。（不可像逻辑回归及ｓｖｍ那样实现全局收敛）
前馈神经网络中初始参数的选取是十分重要的，...]]></description><category></category></item><item><title><![CDATA[特征工程概略]]></title><link>https://blog.youkuaiyun.com/li123chen/article/details/90631872</link><guid>https://blog.youkuaiyun.com/li123chen/article/details/90631872</guid><author>li123chen</author><pubDate>Tue, 28 May 2019 15:40:30 +0800</pubDate><description><![CDATA[并非原创，网上整理
特征工程简明图

如上。特征处理是特征工程的核心部分，包括数据预处理、特征选择、降维等，通过sklearn的processing库来实现。
数据预处理
不属于同一量纲：无量纲化
信息冗余：进行区间离散
定性特征不能直接利用：采用哑编码
存在缺失值：对缺失值进行补充
信息利用率低：对定量变量进行多项式化，增加新的特征，可以达到非线性的结果。
无量纲化：即使不同规格的数据转换到同一...]]></description><category></category></item><item><title><![CDATA[python语言程序设计（梁勇）]]></title><link>https://blog.youkuaiyun.com/li123chen/article/details/89424400</link><guid>https://blog.youkuaiyun.com/li123chen/article/details/89424400</guid><author>li123chen</author><pubDate>Fri, 03 May 2019 21:56:47 +0800</pubDate><description><![CDATA[第一章 计算机、程序和Python概述
绘制文本字符串：ｔｕｒｔｌｅ
第二章 基本程序设计
第三章 数学函数、字符串和对象
第四章 选择
第五章 循环
第六章 函数
第七章 对象和类
第八章 更多字符串和方法
第九章 使用 Tkinter 进行 GUI程序设计
第十章 列表
第十一章 多维列表
第十二章　继承和多态
第十三章　文件和异常处理
第十四章　元组、集合和字典
第十五章　递归

...]]></description><category></category></item><item><title><![CDATA[c++程序设计读书笔记（梁勇版）]]></title><link>https://blog.youkuaiyun.com/li123chen/article/details/89289096</link><guid>https://blog.youkuaiyun.com/li123chen/article/details/89289096</guid><author>li123chen</author><pubDate>Mon, 29 Apr 2019 19:35:04 +0800</pubDate><description><![CDATA[第一部分  程序设计基础
第一章 计算机、程序和C++语言简介
第二章 基本数据类型和计算
第三章 分支语句
第四章 循环
第五章 函数
第六章 数组
第七章 指针和C字符串
第八章 递归
第二部分 面向对象程序设计
第九章 对象和类
第十章 对象和类的更多内容
第十一章 继承和多态
第十二章 文件输入和输出
第十三章 运算符重载
第十四章 异常处理
第三部分 数据结构
第十五章 模板
第十六章 ...]]></description><category></category></item><item><title><![CDATA[明解c语言（读书笔记）]]></title><link>https://blog.youkuaiyun.com/li123chen/article/details/89173516</link><guid>https://blog.youkuaiyun.com/li123chen/article/details/89173516</guid><author>li123chen</author><pubDate>Sat, 13 Apr 2019 21:16:21 +0800</pubDate><description><![CDATA[第一章 初识c语言
源程序：由人编写出的字符序列。
源文件：保存源程序的文件，以.c保存
翻译：将源程序转化为可执行序列，编译器和运行环境不同时，翻译的步骤和程序执行的方法也不同。
注释：/与/之间是注释
格式化输出函数：printf（f是format的缩写）printf("%d",a)，%f 显示浮点数
变量：声明、赋值
格式化输入函数：scanf，scanf("%d",&amp;a)
顺序输出...]]></description><category></category></item><item><title><![CDATA[计算机科学导论（读书笔记）]]></title><link>https://blog.youkuaiyun.com/li123chen/article/details/89010510</link><guid>https://blog.youkuaiyun.com/li123chen/article/details/89010510</guid><author>li123chen</author><pubDate>Wed, 10 Apr 2019 09:06:13 +0800</pubDate><description><![CDATA[第一章
图灵机：一种可以编程的数据处理器（图灵机是一种理想模型，它可以依据程序进行任何计算)
冯诺依曼：提出程序也可以存储在计算机里（输入输出，控制单元，存储器，算术逻辑）
类：可以理解为自己创造指令，进行组合。
算法：解决问题的方法与步骤
软件工程：结构化程序的设计和编写（程序设计中遵循的原理和规则）
操作系统：一些对所有程序都适用的指令
数字系统：不同的符号来代替指向表示同一个数字
第二章
略...]]></description><category></category></item><item><title><![CDATA[pandas的DataFrame]]></title><link>https://blog.youkuaiyun.com/li123chen/article/details/88713563</link><guid>https://blog.youkuaiyun.com/li123chen/article/details/88713563</guid><author>li123chen</author><pubDate>Thu, 21 Mar 2019 15:37:50 +0800</pubDate><description><![CDATA[numpy
# 查看数组类型
np.dtype
# 二维数组建立
a_np=np.array([[1,3,5],[5,3,5],[44,35,55]])
# axis=0按列统计，axis=1按行统计

以numpy为基础的pandas（建立在数组之上）.series
#创建series
import pandas as pd
a_series=pd.Series(['a','v','d'])
a...]]></description><category></category></item><item><title><![CDATA[数据预处理]]></title><link>https://blog.youkuaiyun.com/li123chen/article/details/88688825</link><guid>https://blog.youkuaiyun.com/li123chen/article/details/88688825</guid><author>li123chen</author><pubDate>Thu, 21 Mar 2019 13:20:05 +0800</pubDate><description><![CDATA[缺失值的处理方法
# 数值型数据(平均值）
df[' ']=df[' '].fillna(de[''].mean())
# 类别型变量（缺失值较少，用众数填补）
full_df[' '].mode()
full_df[' ']=full_df[' '].fillna('S')
# 字符型变量（缺失值较多，'Unknown'填补）
full_df['  ']=full_df['  '].filln...]]></description><category></category></item><item><title><![CDATA[kaggle入门之data vislization]]></title><link>https://blog.youkuaiyun.com/li123chen/article/details/88644100</link><guid>https://blog.youkuaiyun.com/li123chen/article/details/88644100</guid><author>li123chen</author><pubDate>Tue, 19 Mar 2019 19:26:21 +0800</pubDate><description><![CDATA[直方图的绘制
# 直接绘制
reviews['province'].value_counts().head(10).plot.bar()
# 百分比图的绘制
(reviews['province'].value_counts().head(10) / len(reviews)).plot.bar()
# 一种与上述方法横坐标不同的直方图
reviews['points'].value_counts...]]></description><category></category></item><item><title><![CDATA[kaggle入门之pandas]]></title><link>https://blog.youkuaiyun.com/li123chen/article/details/88539356</link><guid>https://blog.youkuaiyun.com/li123chen/article/details/88539356</guid><author>li123chen</author><pubDate>Thu, 14 Mar 2019 19:06:36 +0800</pubDate><description><![CDATA[创建 读写
# 创建dataframe格式数据
fruits = pd.DataFrame([[30,21]],columns=['Apples','Bananas'])
fruit_sales = pd.DataFrame([[35,21],[41,34]],columns=['Apples','Bananas'],index=['2017 Sales','2018 Sales'])
# 创建S...]]></description><category></category></item><item><title><![CDATA[python异常处理]]></title><link>https://blog.youkuaiyun.com/li123chen/article/details/88120363</link><guid>https://blog.youkuaiyun.com/li123chen/article/details/88120363</guid><author>li123chen</author><pubDate>Mon, 04 Mar 2019 15:48:23 +0800</pubDate><description><![CDATA[异常

广义上的错误分为错误和异常
错误指的是可以人为避免
异常是指在语法逻辑正确的前提下，出现的问题
在python里，异常是一个类，可以处理和使用

异常的分类

AssertError 断言语句（assert）失败
AttributeError 尝试访问未知的对象属性
EOFError 用户输入文件末尾标志EOF（Ctrl+d）
FloatingPointError 浮点计算错误
Gener...]]></description><category></category></item><item><title><![CDATA[python模块和包的区别与联系及使用方法]]></title><link>https://blog.youkuaiyun.com/li123chen/article/details/88095136</link><guid>https://blog.youkuaiyun.com/li123chen/article/details/88095136</guid><author>li123chen</author><pubDate>Sun, 03 Mar 2019 22:08:12 +0800</pubDate><description><![CDATA[区别
使用方法

]]></description><category></category></item><item><title><![CDATA[Python知识总结]]></title><link>https://blog.youkuaiyun.com/li123chen/article/details/88093059</link><guid>https://blog.youkuaiyun.com/li123chen/article/details/88093059</guid><author>li123chen</author><pubDate>Sun, 03 Mar 2019 20:18:05 +0800</pubDate><description><![CDATA[大

]]></description><category></category></item></channel></rss>