sjjsaaaa的博客

模型融合类型：简单加权融合:–回归（分类概率）：算术平均融合（Arithmetic mean），几何平均融合（Geometric mean）– 分类：投票（Voting)boosting/bagging（在xgboost，Adaboost,GBDT中已经用到）:– 多树的提升方法stacking/blending:– 构建多层模型，并利用预测结果再拟合预测。下面直接对数据进行模型融合：1、导入相关库和降低内存函数import pandas as pdimport numpy as

模型学习、调参与对智慧海洋数据建立相应模型一、模型训练与预测导入需要的工具库import gcimport multiprocessing as mpimport osimport pickleimport timeimport warningsfrom collections import Counterfrom copy import deepcopyfrom datetime import datetimefrom functools import partialfrom g

特征工程数据获取地址：链接：https://pan.xunlei.com/s/VMX5JAhFN7ZmPaaCVsHQEVkrA1 提取码：hmtz一、读取数据，对数据进行预处理首先线对数据进行提速的操作，然后将进行文本处理。导入相关库：import gcimport multiprocessing as mpimport osimport pickleimport timeimport warningsfrom collections import Counterfrom cop

数据分析数据获取地址：链接：https://pan.xunlei.com/s/VMX5JAhFN7ZmPaaCVsHQEVkrA1 提取码：hmtz一、数据详情1.导入相关库#coding:utf-8#导入warnings包，利用过滤器来实现忽略警告语句。import warningswarnings.filterwarnings('ignore')import numpy as npimport pandas as pdfrom matplotlib import pyplot a

地理数据分析常用工具一.、shapelyShapely是python中开源的空间几何对象库，支持Point、Curve和Surface等基本几何对象类型以及相关空间操作。另外，几何对象类型的特征分别有interior、boundary和exterior。1.空间数据模型point类型对应的方法在Point类中。curve类型对应的方法在LineString和LinearRing类中。surface类型对应的方法在Polygon类中。point集合对应的方法在MultiPoint类中，curves

geopandas的安装方法1.首先需要安装其依赖包：gdal、Shapely、Fiona、pyproj安装的准备工作：卸载已经存在的依赖包：pip uninstall gdal我的安装python3.6版本的配套包：如果下载不了也可以留下你的邮箱我发给你。配套的包下载地址：—>https://download.youkuaiyun.com/download/sjjsaaaa/16619994官网下载地址：https://www.lfd.uci.edu/~gohlke/pythonlibs/我是pyt

模型融合在模型融合以后，评分达到了360.1.导入相关所需库import pandas as pdimport numpy as npimport warningsimport matplotlibimport matplotlib.pyplot as pltimport seaborn as snswarnings.filterwarnings('ignore')%matplotlib inlineimport itertoolsimport matplotlib.grids

建模调参首先先确立模型，确立完模型以后进行交叉验证查看模型的评分，随后对模型的参数进行调整，直到找到使模型评分高的参数。下面先对模型进行评分。导入相关库import pandas as pdimport numpy as npfrom sklearn.metrics import f1_scoreimport osimport seaborn as snsimport matplotlib.pyplot as pltimport warningswarnings.filterwarn

建模与调参4.1 学习目标学习机器学习模型的建模过程与调参流程完成相应学习打卡任务4.2 内容介绍逻辑回归模型：理解逻辑回归模型；逻辑回归模型的应用；逻辑回归的优缺点；树模型：理解树模型；树模型的应用；树模型的优缺点；集成模型基于bagging思想的集成模型随机森林模型基于boosting思想的集成模型XGBoost模型LightGBM模型CatBoost模型模型对比与性能评估：回归模型/树模型/集成模型；模型评估方法

Task3 特征工程此部分为零基础入门心电图分类的 Task3 特征工程部分，带你来了解各种特征工程以及分析方法，欢迎大家后续多多交流。赛题：零基础入门数据挖掘 - 零基础入门心电图分类项目地址：比赛地址：3.1 学习目标学习时间序列数据的特征预处理方法学习时间序列特征处理工具 Tsfresh（TimeSeries Fresh）的使用3.2 内容介绍数据预处理时间序列数据格式处理加入时间步特征time特征工程时间序列特征构造特征筛选使用 tsfresh 进行时间序

数据分析整体过程载入各种数据科学以及可视化库:数据科学库 pandas、numpy、scipy；可视化库 matplotlib、seabon；载入数据：载入训练集和测试集；简略观察数据(head()+shape)；数据总览:通过describe()来熟悉数据的相关统计量通过info()来熟悉数据类型判断数据缺失和异常查看每列的存在nan情况异常值检测了解预测值的分布总体分布概况查看skewness and kurtosis查看预测值的具体频数

天池数据挖掘心电图比赛理解数据下载地址——>点这里下载关于赛题赛题以心电图心跳信号数据为背景，要求选手根据心电图感应数据预测心跳信号所属类别，其中心跳信号对应正常病例以及受不同心律不齐和心肌梗塞影响的病例，这是一个多分类的问题。通过这道赛题来引导大家了解医疗大数据的应用，帮助竞赛新人进行自我练习、自我提高。比赛地址——>https://tianchi.aliyun.com/competition/entrance/531883/introduction一、赛题理解观察数据集的样式: