大数据机器学习

1.下载xgboost 的源码，解压。如果最新版不能安装，就试试老版本。（0.60版本在centos6上安装很麻烦，在这里安装0.47版本，如果是Centos7可以安装最新版本，因为最新版本xgboost 需要使用c++4.6以上版本，centos6 yum安装的是4.4版本）[root@server1 redhat]# wget https://github.com/dmlc/xgb

1.当axis=0时，是把函数作用到每一列上，实质是列当axis=1时，是把函数作用到每一行上，实质是行2.

XGBoost的参数XGBoost的作者把所有的参数分成了三类：1、通用参数：宏观函数控制。2、Booster参数：控制每一步的booster(tree/regression)。3、学习目标参数：控制训练目标的表现。在这里我会类比GBM来讲解，所以作为一种基础知识。通用参数这些参数用来控制XGBoost的宏观功能。1、booster[默认gbtree

使用numpy前需要先导入import numpy一、建立矩阵直接建立a = numpy.array([[1,2,3],[4,5,6],[7,8,9]])b = numpy.array([[1,2], [3,4]], dtype=complex )从tuple建立a = [[1,2,3],[4,5,6],[7,8,9]]b = numpy.array(a)

一、pickle函数python2.x中：fw=open(filename,'w')和fr=open(filename,'r')，python3.x中：fw=open(filename,'wb')和fr=open(filename,'rb')。二、dict.keys()在python2.x中，dict.keys()返回一个列表，在python3.x中，dict.keys()返回

1.cmd下输入jupyter notebook --generate-config，会显示jupyter_notebook_config.py的完整路径打开jupyter_notebook_config.py，修改c.NotebookApp.notebook_dir为自己的目录 c.NotebookApp.notebook_dir = u'D:\\jupyter_workspace' 2.点击j...