不会画图的数分师-优快云博客

原创统计学---2.描述性统计-参数估计

区间估计指定的区间，我们称为置信区间，而区间估计指定的概率，我们称为置信度。我们为什么要进⾏推断呢？也就是说，总体的参数往往是未知的，我们为了获取总体的参数，就需要通过样本统计量来估计总体参数。通常，我们以2倍标准差作为判定依据，则以样本均值为中心，正负2倍标准差构成的区间，就是置信区间。总体，是包含我们要研究的所有数据，总体中的某个数据，就是个体。但是，点估计也并⾮完全⼀⽆是处，因为样本来⾃于总体，样本还是能够体现出总体的⼀些特征的。之前，我们提到过正态分布，我们知道，在正态分布中，均值，中位数与众数。

2025-11-01 19:25:33 801

原创统计学---1.描述性统计分析

峰度：描述数据分布陡缓程度的统计量，可以将峰度理解为数据分布的高矮程度，其计算公式为四阶中心距与标准差四次方的比值。偏度：统计数据分布斜率方向和程度的度量，是统计数据分布非对称程度的数字特征，其计算公式为三阶中心距与标准差三次方的比值。分位数：分位数，通过n-1个分位将数据划分为n个区间，使得每个区间的数值个数相等(或近似相等)。中位数：将一组数据升序排列，位于该组数据最中间位置的值，就是中位数。极差：指一组数据中，最大值与最小值之差。

2025-10-30 16:49:18 682

原创 Python机器学习---7.实战案例：幸福指数分析

标准化处理：如果通过身⾼体重去分析⼀个正常身材的⼈的胖瘦，假设身⾼的衡量标准为“⽶”，⽽体重的衡量标准为“⽄”，由于⼆者的数量级的差异，会导致判断胖瘦的标准发⽣改变，导致体重⼀项具有了更⼤的影响⼒，但是根据经验可以知道，⼀个正常身材⼈的胖瘦是由身⾼和体重共同决定的，对于这样的数据⽽⾔，给计算机使⽤的数据就要进⾏数据标准化。例：现在有性别：{男，⼥，其他}。通常获取数据通常都是不完整的，缺失值、零值、异常值等情况的出现导致数据的质量⼤打折扣，⽽数据预处理技术就是为了让数据具有更⾼的可⽤性⽽产⽣的。

2025-10-27 11:29:34 663

原创 Python机器学习---6.集成学习与随机森林

生成元特征：用训练好的基础模型对 Train2 和测试集进行预测，得到 “元特征矩阵”——Train2 对应的元特征作为 “元模型的训练特征”，测试集对应的元特征作为 “元模型的测试特征”。学习法（又称 Stacking，堆叠法）是高精度需求场景的进阶结合策略，核心逻辑是 “将基础模型的输出作为‘新特征（元特征）’，训练一个‘元模型（Meta-Model）’来学习如何组合这些元特征，最终输出预测结果”，本质是 “用模型学习‘结合规则’”。：对所有基础模型的预测结果取算术平均值，即 “平等对待每个模型”。

2025-10-25 16:03:48 1445

原创 Python机器学习---5.决策树

在决策树的构建过程中，信息熵被⽤来作为划分属性的依据，通过计算不同属性划分后的信息熵来选择最优划分属性，以使得整个决策树的熵值最⼩，从⽽使得整个决策系统的确定性最⾼。回归任务的标签（值）是连续的，故之前以分类为基础的不纯度度量标准（信息熵，基尼系数与错误率）都不适⽤于回归树，因此，在回归树中，⾃然也就没有信息增益，信息增益率或基尼增益等概念了。决策树学习采⽤的是⾃顶向下的递归⽅法，其基本思想是以信息熵为度量构造⼀棵熵值，下降最快的树，到叶⼦节点处的熵值为零，此时每个叶节点中的实例都属于同⼀类。

2025-10-23 19:03:05 821

原创 Python机器学习---4.特征工程

这种变换通常⽤于线性回归、逻辑回归、⽀持向量机（SVM）等模型，特别是当原始特征与⽬标之间存在复杂的⾮线性关系时，多项式特征变换可以提⾼模型的性能。统计填充：对于缺失值的属性，尤其是数值类型的属性，根据所有样本关于这维属性的统计值对其进⾏填充，如使⽤平均数、中位数、众数、最⼤值、最⼩值等，具体选择哪种统计值需要具体问题具体分析。如果你认为某些特征具有⾼次项的影响，例如 x^2, x^3, 等等，你可以使⽤多项式特征变换来引⼊这些⾼次项，以更好地描述数据的复杂性。常⻅的缩放⽅法包括标准化和归⼀化。

2025-10-21 13:26:59 1142

原创 Python机器学习---3.分类模型评估

它展示了模型在不同类别上的分类结果，包括真正例（True Positive，TP）、假正例（False Positive，FP）、真负例（True Negative，TN）和假负例（FalseNegative，FN）。选择哪些指标取决于具体问题的要求和关注点。当不同类别的样本数量不平衡时，例如正类别样本远远少于负类别样本，通过调整类别权重或使⽤合适的评估指标（如召回率）可以更好地适应不平衡数据。分类模型的评估结果可以帮助解释模型的预测，了解模型在不同情况下的表现，以及哪些特征对于模型的决策起到关键作⽤。

2025-10-19 21:32:53 1122

原创 Python机器学习---2.算法：逻辑回归

在最简单的情况下，有两种结果，称为二项分类，例如预测肿瘤是恶性的还是良性的。对于逻辑回归，模型的前⾯与线性回归类似，不过， z的值是⼀个连续的值，取值范围为 (-∞，∞)，我们可以将阈值设置为中间的位置，也就是 0，当 z>0时，模型将样本判定为⼀个类别（正例），当 z<=0时，模型将样本判定为另外⼀个类别（负例）。尽管它的名称中包含"回归"⼀词，但它实际上是⼀种分类算法，⽤于将输⼊数据分为两个或多个类别。其中：sigmoid(z) 是 Sigmoid 函数的输出，它表示在输⼊z的情况下，输出为1的概率。

2025-10-18 19:07:16 651

原创 Python机器学习---1.数据类型和算法：线性回归

R^2分数：R^2为决定系数，⽤来表示模型拟合性的分值，值越⾼表示模型拟合性越好，在训练集中，R^2的取值范围为[0,1]。R^2的计算公式为1减去RSS与TSS的商。从空间的⻆度来看，就是要让函数的直线（⾯)，尽可能靠近空间中所有的数据点（点到直线的平⾏于y轴的距离之和最短)。MSE可以评价数据的变化程度，MSE的值越⼩，说明预测模型描述实验数据具有更好的精确度。RMSE均⽅根误差：RMSE (Root Mean Squared Error)，平均平⽅误差的平⽅根，即在MSE的基础上，取平⽅根。

2025-10-18 10:24:50 1163

原创 Python---15.NumPy

而在Python生态系统中，NumPy库扮演着重要的角色，它提供了丰富的功能和高效的数据结构，使得机器学习任务更加便捷和高效。数组在数据科学中非常常用，因为速度和资源非常重要。NumPy 是一个 Python 库，部分用 Python 编写，但需要快速计算的大部分部分是用 C 或 C++ 编写的。特点：在 Python 中，我们有列表可以充当数组，但处理速度很慢。NumPy 旨在提供一个比传统 Python 列表快 50 倍的数组对象。NumPy 中的数组对象称为。数组的运算：常用的运算，在。

2025-09-26 11:09:58 418

原创 Python---14.Python数据存储EXCEl和MySQL

python存储数据可以存入到表格中，有很多的方式可以操作excel，例如。等，下面我展示pandas的操作。

2025-09-26 10:16:53 410

原创 Python---13.web自动化工具selenium

⻚⾯弹窗：有的时候还会遇到弹窗的问题，主要有两种⼀种是浏览器弹窗（alert/prompt），⼀种是⾃定义弹窗⾃定义弹窗，就是⼀个⾃定义的div层，是隐藏⻚⾯中的，当触发了这个弹窗后，他就显⽰出来，这种⽅式我们通过正常的定位⽅式是可以定位到的。窗⼝切换：⽤selenium操作浏览器如果需要在打开新的⻚⾯，这个时候会有问题，因为我们⽤selenium操作的是第⼀个打开的窗⼝，所以新打开的⻚⾯我们是⽆法去操作的，所以我们要⽤到切换窗⼝：即handle切换的⽅法。我们可以选择最合适的⽅法去查找元素。

2025-09-21 15:08:57 1130

原创 Python---12.数据解析之XPath

是一种用于在XML或HTML文档中定位元素的语言。XPath使用路径表达式来选取节点或节点集。在python中，可以使用lxml库来解析。XPath解析，只适用于数据在网页源码(document请求)中；如果数据是json格式，或网页源码中没有数据，则无法使用XPath。/ : 从根节点开始选择。//：选择匹配选择的任何位置的节点。.. : 当前节点的父节点。. : 选择当前节点。

2025-09-17 18:30:07 480

原创 Python---11.JSONPath库

在 Python 中，JSONPath 库主要用于解析和查询 JSON 数据，提供了类似 XPath 在 XML 中的功能。最常用且维护活跃的库是。方法：在 JSON 数据中执行查询，返回值是匹配结果列表。，它支持完整的 JSONPath 语法，并提供了灵活的 API。安装方式：pip install jsonpath-ng -i。支持完整的 JSONPath 语法。：匹配值在原始 JSON 中的路径，获取第 1 和第 3 个元素。提供清晰的 API 接口。=~ /正则表达式/

2025-09-15 16:02:57 692

原创 Python---10.认识爬虫与操作

HTTPS：（全称：Hyper Text Transfer Protocol over Secure Socket Layer 或 Hypertext Transfer Protocol Secure，超文本传输安全协议），是以安全为目标的HTTP通道，简单讲是HTTP的安全版。HTTPS协议是基于TCP/IP协议的，而HTTPS是在HTTP协议的基础之上，再加了一层SSL/TLS协议，数据在传输过程中是加密的。更加专业和全面对的定义是：网络爬虫是伪装成客户端与服务端进行数据交互的程序。

2025-09-11 12:00:38 1768

原创 Python---9.异常处理、包管理器和正则表达式

正则表达式，或简称为正则，是用来描述字符模式的字符序列。移除包：pip uninstall camelcase，卸载名为“camelcase”的包。命令列出系统上安装的所有包。也可以输入pip freeze > requirements.txt，以TXT文件导出自己的安装的包名。贪婪和非贪婪：正则默认都是用贪婪模式去匹配数据的，就是尽可能多的匹配符合要求的数据，在非贪婪模式下，始终找最短匹配。当发生错误时，或者我们称之为异常，Python 通常会停止并生成错误消息。PIP 是 Python 包的包管理器，

2025-09-09 20:25:52 1150

原创 Python---8.函数的进阶&文件的处理

（Context Manager）则是一种优雅管理资源（如文件、网络连接等）的机制，尤其在文件处理中应用广泛。语句与文件操作的结合是最典型的应用，它会自动处理文件的关闭，即使中间发生错误也能保证资源释放。一个程序的所有的变量并不是在哪个位置都可以访问的。变量的作用域决定了在哪一部分程序你可以访问哪个特定的变量名。在 Python 中，文件操作是常见的 I/O 任务，而。修改全局变量：全局变量不能直接在函数内部修改。修改局部变量：如果要修改局部变量，要使用关键字。）是指在程序中，变量、函数和对象的可访问范。

2025-09-07 11:40:51 1148

原创 Python---7.函数

python自定义函数中有两种不定长参数，第一种是*XXX，通常写成*args，在传入额外的参数时可以不用指明参数名，直接传入参数值即可。是已经写好的一些函数，他们美观且强大，我们可以打印dir(__builtins__)，查看有哪些内置函数，比如我们常用的。可以是任意类型，一个函数只有一个return，函数遇到return之后就结束了，后面还有其他的代码也不会去执行。函数是组织好的，可重复使用的，用来实现单一，或相关联功能的代码段。一个函数只给了函数一个名称，指定了函数里包含的参数和代码块结构。

2025-09-04 21:25:21 462

原创 Python---6.循环

对象，while循环的循环条件是自定义的，for循环无法定义循环条件，for循环是一种。continue：在语句块执⾏过程中终⽌当前循环，跳出该次循环，执⾏下⼀次循环。⼀般编程语⾔都有循环语句，计算机和⼈类不同，计算机可以⼀直重复做一个事情。所以这时候需要⽤到循环语句，循环语句允许我们执⾏⼀个语句或语句组多次。这⾥⼜有⼀个问题了，如果我想让他运⾏了⼀百次之后停⽌，那该怎么做呢？break：在语句块执⾏过程中终⽌循环，并且跳出整个循环。是空语句，是为了保持程序结构的完整性。起始值，结束值，步长都必须是整数。

2025-09-03 11:29:16 499

原创 Python---5.控制流程

多分支流程，在多分支语句中，条件按顺序依次检查，一旦有条件为真，则执行对应的代码块，然后退出整个分支。如果所有条件都为假，则执行else 语句块中的代码。单分支语句只有一种条件，如果条件为真，则执行相应的代码块；双分支语句有两种条件，分别是条件为真和条件为假时执行的不同代码块。嵌套判断，嵌套判断就是条件里面嵌套条件；作用，控制流程能够实现⾮常复杂的代码逻辑，它可以实现更加智能的功能。代码的执行顺序，从上往下执行，这就是顺序结构，没有其他的逻辑干扰。多重判断，如果有多个条件并列，则可以使用逻辑运算符连接。

2025-08-30 21:43:06 454

原创 Python---4.散列类型与操作方法

使用“{key:value}”定义字典，大括号内输入键值对{key:value}的形式的值，也可以用dict()的方法定义字典。使用“{value}”定义集合，大括号内要写入内容，或者使用set()的方法来定义集合。字典是散列类型中最常用的类型，字典的结构是以键值对的形式，key:value。删除一个元素，查询再删，集合内无法传值进行删除元素。：删除集合中的指定数据，如果数据不存在则报错。删除并返回指定key的value值。查找全部的键和值，返回元组类型。特点唯一性，无序性，确定性。

2025-08-29 16:25:47 745

原创 Python---3.格式化输出&运算符

%d等，%f：填充小数类型的数据，可以写%.2f，代表保留两位小数（四舍五入）。当我们使用了占位符后，占位符的数量于传递的值的数量要一致，不然会报错。or只有当左右两个条件都不成立的时候会返回False，如果有一个条件成立就会返回True。中，某些符号有特殊的含义，这样的符号称之为转义字符。format()方法：以{}为占位符，也可以写{:.2f}，保留两位小数（四舍五入）。and的左右两个条件都满足时就返回True，否则返回False。，否则条件果为假(False)。，否则条件结果为(False)。

2025-08-27 11:45:17 812

原创 Python---2.类型的转换&序列类型的操作方法

extend(): 在列表结尾追加数据，只能添加一个元素，如果数据是⼀个序列，则将这个序列的数据逐⼀添加到列表，如果是字符串，会将字符串逐一拆分添加到列表。根据元组的特性是无法被修改的，你希望你的数据不被修改，则可以定义元组保存你的数据，如果需要修改、增加、删除的话，要将元组转换类型。字符串实际也是不可变类型，在我们每次对字符串进行操作时，是新建的一个字符串，并不是在原数据上修改。上面的索引取值取是取序列中的单个元素，如果想要获取序列的某一段元素，则需要使用切片。)，起始索引可以取到，结束索引取不到(

2025-08-25 14:26:40 913 2

原创 Python---1.认识数据类型和变量

在内存当中，为了更快速的查找或使⽤这个数据，通常在定义完成之后，定义⼀个名称，这个名称就是变量名。元组（tuple）：描述符号：小括号()，一般用来存储有序的数据，一旦创建就无法被修改。在Python内我们为了应用不同的场景，将数据类型分为了整数类型和序列类型。在使用变量前，我们要先定义变量才能去使用变量。在python中，我们给变量进行赋值是通过等于号“=”进行赋值操作。一般我们在编写代码的时候，会给代码加上对应的注解，需要注意的是，程序在运行的时候并不会执行当中的。来告诉别人，我们写的。

2025-08-19 20:53:34 461

weixin_72471784的博客