zzhhjjjj的博客

pandas中的许多数学运算的函数中往往有 axis 这一个参数，axis 想表达的并不是计算的维度，而是传播的维度 ！ 例如： df = pd.DataFrame([[1.4, np.nan], [7.1, -4.5], [np.nan, np.nan], [0.75, -1.3]], index=['a', 'b', 'c', 'd'], columns=['one', 'two']) df

1. 线下评估策略 通常在数据竞赛中，参赛者是不能将全部数据都用于训练模型的，因为这会导致没有数据集对该模型的效果进行线下验证。为了解决这一问题，就要考虑如何对数据进行划分，构建合适的线下验证集。针对不同类型的问题，需要不同的线下验证方式，在此分为强时序性和弱时序性。 1.1 强时序性问题 对于含有明显时间序列因素的赛题，可将其看作强时间序行问题，即线上数据的时间都在离线数据集之后，这种情况下就可以采用时间上最接近测试集的数据做验证集 例如，天池平台上的“乘用车零售量预测”竞赛，初赛提供 2012 年 1