syh的技术记录

转载

GitHub地址

这篇blog对模型融合的讲解非常易懂，记录一下模型融合

目录0.前言1.基本框架1.1数据探索性分析（EDA）1.1.1 查看数据基本信息1.1.2 查看缺失值情况1.1.3 查看唯一值情况并删除唯一值1.1.4 筛选出不同数据类型1.1.5 画图观察数值型数据分布情况1.2 数据特征工程1.2.1 处理缺失值1.2.2 处理时间数据1.2.3 对数据进行更精确的划分1.2.4 对类别变量进行处理1.2.5 处理异常值1.2.6 *数据分箱1.2.7 特征选择1.3 构建模型1.3.1 选择模型1.3.2 调参总结0.前言这篇博客主要目的是对近一个月来参加的

转载

转载

问题描述刚刚在做这样的工作：有一个含47个属性的包含缺失值（NAN）的数据集，我想用每个属性的众数来替代该属性中的NAN，自然而然地这样写：# 1.处理NAN值（统一用众数来填充）data_train[train_null_col] = data_train[train_null_col].fillna(data_train[train_null_col].mode())P.s:变量解释数据类型data_train原始数据集DataFrametrain_null_

前言pandas中的groupby函数功能就如同字面意思，通过某个特征将数据组织起来。只不过其返回值不是DataFrame，而是另一种形式，所以没法直接将groupby的返回值输出出来，其返回值常与.mean()/.count()/.median()等搭配起来输出，下面通过例子说明。正文import pandas as pdfrom pandas import DataFramedf = DataFrame({'key1':list('ababa'), 'key2'

前言seaborn真的是挺好用的一个可视化库了，基于matplotlib库，相比于matplotlib更加简洁，适合我这样的新手。但其定制性不如matplotlib，正如之前别人说的，matplotlib像是去饭店单独点菜，而seaborn更像是饭店里的套餐。不过seaborn的大多数功能已经能满足需求了。转载于知乎：知乎链接...

前言接上次Pandas常用函数，一方面为了记录，另一方面方便以后查阅复习。Pandas应该会写好几个系列。正文【1】DataFrame的加减乘除：可以直接：df1 + df2; df1 - df2; df1 * df2; df1 / df2;但我觉得用df1.add(df2)更好，因为可以通过fill_value参数将nan值设置为特定值。例如：a = DataFrame(np.array([[np.nan, 2, 3],[4, 5, 6]]))b = DataFrame(np.arr

前言写给自己，方便以后查阅正文import numpy as npimport pandas as pdfrom pandas import Series, DataFrameSeries（1）values和index属性【1】通过obj.values可以得到Series对象的以为ndarray数组a = Series([10, 11, 12, 13])a.values结果：array([10, 11, 12, 13], dtype=int64)【2】obj.index可以得

前言主要是为了记录一些Numpy常用函数，方便以后自己查阅。正文1.创建ndarry（1）np.array()a = np.array([1, 2, 3])b = np.array([[1, 2, 3], [4, 5, 6]])（2）np.ones()、np.eye()、np.zeros()a = np.ones((3, 2))b = np.eye(5)c = np.zeros((3, 2, 5))2.索引与切片较为简单，忘了参考书P1003.通用函数（exp、sin…）参考