<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[mylnn的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/mylnn</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; mylnn]]></copyright><item><title><![CDATA[（七）模型调优]]></title><link>https://blog.youkuaiyun.com/mylnn/article/details/120790811</link><guid>https://blog.youkuaiyun.com/mylnn/article/details/120790811</guid><author>mylnn</author><pubDate>Mon, 25 Oct 2021 13:12:30 +0800</pubDate><description><![CDATA[Odds Ratio（优势比）：一个事件在一个组发生的可能性相对于在另一个组的大小
Odds（优势）：事件发生的概率与不发生概率之比，值域[0,∞)

1 一元连续变量逻辑回归
X连续变量  Y二分类变量
Logit是Odds的自然对数
logit代表隐变量Y’，X用于预测Y’
模型评估
模型预测的三种结果：一致对（√）、不一致对、相等对（50%√）
一致对表
statmodels不提供，可用ROC曲线下面积（AUC）代表，AUC就是C统计量
ROC曲线y轴为灵敏度，x轴为1-特异度，曲线越趋向左上方越好
]]></description><category></category></item><item><title><![CDATA[（六）线性回归、逻辑回归]]></title><link>https://blog.youkuaiyun.com/mylnn/article/details/120659526</link><guid>https://blog.youkuaiyun.com/mylnn/article/details/120659526</guid><author>mylnn</author><pubDate>Fri, 08 Oct 2021 20:42:22 +0800</pubDate><description><![CDATA[线性回归线性回归模型简单线性回归多元线性回归
线性回归模型
相关：检验X、Y是否独立
回归：构建Y与X的关系（线性关系、抛物线关系、对数关系） y=f(x)
简单线性回归
方法：最小似然估计

import pandas as pd
import numpy as np
import os
import matplotlib.pyplot as plt          #可视化
import statsmodels.api as sm       
from statsmodels.formula.api]]></description><category></category></item><item><title><![CDATA[（五）统计分析基本算法]]></title><link>https://blog.youkuaiyun.com/mylnn/article/details/120514462</link><guid>https://blog.youkuaiyun.com/mylnn/article/details/120514462</guid><author>mylnn</author><pubDate>Tue, 05 Oct 2021 19:49:22 +0800</pubDate><description><![CDATA[统计分析1 参数估计2 假设检验与单样本T检验3 两样本T检验3 方差分析4 相关分析
1 参数估计
给定一个变量X改变，另一个变量Y均值改变说明两个变量有关，则这两个变量不独立。X可预测Y，y=f(x)。
分析过程：建立两个变量的描述性统计，观察一个变量改变另一个变量均值是否改变（是否独立）。若不独立，则说名一个变量对另一个变量有预测作用。

检验两变量是否有关的四个检验：


统计学中检验两个变量是否有关，都是通过检验同组两个变量均值的差值是否等于0.如果与0无差异，说明两个变量无关，如果与0有差异，说]]></description><category></category></item><item><title><![CDATA[（四）数据整合清洗]]></title><link>https://blog.youkuaiyun.com/mylnn/article/details/120417378</link><guid>https://blog.youkuaiyun.com/mylnn/article/details/120417378</guid><author>mylnn</author><pubDate>Fri, 24 Sep 2021 20:52:57 +0800</pubDate><description><![CDATA[数据整合与清洗1 数据整合2 数据清洗2.1 错误值处理2.2 缺失值处理2.3 噪声值处理
1 数据整合
SQL语句介绍
选择表中指定列
select &lt;目标&gt; from &lt; &gt;
import pandas as pd
import os

导入数据
os.chdir(r'D:\python商业实践\《Python数据科学技术详解与商业实践》PDF+源代码+八大案例\《Python数据科学技术详解与商业实践》PDF+源代码+八大案例\源代码\Python_book\5Preproc]]></description><category></category></item><item><title><![CDATA[（三）描述性统计分析与绘图]]></title><link>https://blog.youkuaiyun.com/mylnn/article/details/120186921</link><guid>https://blog.youkuaiyun.com/mylnn/article/details/120186921</guid><author>mylnn</author><pubDate>Sat, 18 Sep 2021 19:18:52 +0800</pubDate><description><![CDATA[描述性统计分析与绘图1 描述性统计分析1.1 概念1.2 描述统计/案例1.2.1 单因子频数1.2.2 表分析1.2.3 单连续变量描述1.2.4 分类汇总1.2.5 汇总表1.2.5 时间序列——双轴图2 绘图原理
1 描述性统计分析
1.1 概念

数据变量度量类型

名义： 字符（原义）、数值（编码）
等级 ：字符、数值  有排序 ‘小中大’  差值无意义
连续 ：数值 ‘age’
#连续变量分组，当成等级变量使用，可使数据更稳健
#名义变量和等级变量统称为分类变量。
统计量：频次、百分比

描述名]]></description><category></category></item><item><title><![CDATA[（二）Python基础]]></title><link>https://blog.youkuaiyun.com/mylnn/article/details/120028400</link><guid>https://blog.youkuaiyun.com/mylnn/article/details/120028400</guid><author>mylnn</author><pubDate>Fri, 03 Sep 2021 22:51:00 +0800</pubDate><description><![CDATA[Python基础1 常用数据分析包2 Python基本数据类型2.1 字符串2.2 数值类型：整数、浮点数2.3 布尔值2.4 日期时间3 Python数据基本结构4 控制流4.1 顺承4.2 分支4.3 循环4 Python函数5 Pandas读写结构化数据
python特性
简单、直观、强大
开源，以便任何人做出贡献
代码容易理解
适用于短期开发的日常任务
可扩展性、丰富的库、面向对象、高级语言、可移植性等特点
缺点
强制缩进
构架选择太多
性能低（低于C）
Anacoda python 是python]]></description><category></category></item><item><title><![CDATA[（一）数据科学]]></title><link>https://blog.youkuaiyun.com/mylnn/article/details/119901712</link><guid>https://blog.youkuaiyun.com/mylnn/article/details/119901712</guid><author>mylnn</author><pubDate>Fri, 27 Aug 2021 22:26:42 +0800</pubDate><description><![CDATA[数据科学技术1 数据科学概念2 数理统计技术2.1 描述性统计分析2.2 统计推断与统计建模
1 数据科学概念
数据科学是一个发现、解释数据中的模式并用于解决问题的过程。数据科学可以从数据中获取知识，为行动提出建议的方法、技术和流程，以完成商业或工业上的目标。
下图所示流程为数据科学的工作范式。反过来即为建模步骤。

数据学是数据科学的基础。数据学研究数据本身，研究数据的各种类型、状态、属性及变化规律；数据科学是为科学研究的数据方法。
2 数理统计技术
2.1 描述性统计分析
2.2 统计推断与统计建模

]]></description><category></category></item><item><title><![CDATA[Pandas]]></title><link>https://blog.youkuaiyun.com/mylnn/article/details/119857546</link><guid>https://blog.youkuaiyun.com/mylnn/article/details/119857546</guid><author>mylnn</author><pubDate>Sun, 22 Aug 2021 23:52:17 +0800</pubDate><description><![CDATA[1 Series
结构：    索引 +  一维数组数值
1.1 创建Series
通过三种方式创建：pd.Series ( list /array / dict)

列表list

数组array

字典dict（键——索引，值——值）


1.2 指定Series索引
pd.Series (list , index=[ ])
#Series默认索引为0 1 2 3…
#指定index ,索引长度要与值长度一致

1.3 获取Series数据
获取索引  .index

获取值    .values

1]]></description><category></category></item><item><title><![CDATA[python数据分析1]]></title><link>https://blog.youkuaiyun.com/mylnn/article/details/119549284</link><guid>https://blog.youkuaiyun.com/mylnn/article/details/119549284</guid><author>mylnn</author><pubDate>Mon, 09 Aug 2021 23:30:23 +0800</pubDate><description><![CDATA[1 简介

三大工具包

#首先要导入工具包：‘import pandas as pd

                 import numpy as np ’

1. Numpy基于numpy扩展的结构化数据处理工具

2.Pandas，表格容器，内置了多种高效的操作大型数据集所需的方法

Series / Dataframe

3. Matplotlib 将数据可视化展示 （seaborn）

Api

绘制图表

保存图片



数组

可表示一维、二维...]]></description><category></category></item><item><title><![CDATA[0716 数组]]></title><link>https://blog.youkuaiyun.com/mylnn/article/details/118837381</link><guid>https://blog.youkuaiyun.com/mylnn/article/details/118837381</guid><author>mylnn</author><pubDate>Sat, 17 Jul 2021 01:06:48 +0800</pubDate><description><![CDATA[数组的声明与赋值

int[] arr = new int[2];
a[0] = 10;
a[1] = 20;

另一种方式也可以直接明确数组的长度,以及数组中元素的内容：


int[] arr = new int[]{20,30,40};
int[] arr = {20,30,40};

如果数组初始化中不使用运算符new。需要注意：下列写法是错误的：


int[] arr; 
arr = {20,30,40};

数组内存分析


	栈内存：栈内存存储的都是局部变量，变量一旦出了自己的作用域，那么就]]></description><category></category></item><item><title><![CDATA[0715 Java语言基础]]></title><link>https://blog.youkuaiyun.com/mylnn/article/details/118770639</link><guid>https://blog.youkuaiyun.com/mylnn/article/details/118770639</guid><author>mylnn</author><pubDate>Fri, 16 Jul 2021 00:24:12 +0800</pubDate><description><![CDATA[1 基本数据类型与变量

1.1 基本数据类型

Java基本数据类型包括8种：

整型byte、short、int、long

1.2 变量
]]></description><category></category></item><item><title><![CDATA[0713 JAVA简介与环境配置]]></title><link>https://blog.youkuaiyun.com/mylnn/article/details/118713009</link><guid>https://blog.youkuaiyun.com/mylnn/article/details/118713009</guid><author>mylnn</author><pubDate>Tue, 13 Jul 2021 23:36:39 +0800</pubDate><description><![CDATA[1.java简介

java面向对象，包括一个类的扩展集合，分别组成各种程序包。

*抽象窗口工具集 awt (abstract windowing toolkit):处理 输入输出的类（java.io包）和支持网络功能的类（java.net**包）

*类（class）：是数据和操作数据的方法的方法。Java程序是用类组织的

2.环境安装（windows64操作系统）

第一步：下载JDK

网址：https://www.oracle.com/java/technologies/javase-downl]]></description><category></category></item></channel></rss>