我们直接修改下代码，## 定义一个类"""其实只需要工号、姓名即可，但是为了看起来很真，强行加了手机号随机生成一个姓名、手机号定义为静态方法,内部调用"""self.length = length # 需要的人数self.path = path # 输出路径"""生成一个姓名"""fake = Faker("zh_CN") # 生成一个随机姓名"""生成一个手机号""""""生成指定长度姓名"""

最近看了一下Statsmodels.OLS，即用Statsmodels使用最小二乘法获得线性回归的系数、截距，主要有一个model.summary()，其中有一些参数想深入弄明白，将学习结果分享：如果用python，有很多种方法实现线性回归（带不带常数项截距都无所谓）：从计算原理上来分：一般经常使用正规方程（最小二乘法）和梯度下降。，其本质还是上述两种方法的不同库的实现；

本文不含XGboost的Loss定义、分裂原理，但会讲一下比较难理解的，需要对原理非常清楚，不然你可能不知道我要表达的意思--->主要写一些难懂的参数解释和实际应用，顺便做个小笔记，自己忘了也可以来抄一下，因参数很多，挑一些主要的说：内容：1.原生接口案例，参数解释2.sklearn接口GridSearchCv3.原生接口调参与sklearn调参对比，xgboost.cv方法。

FB1 WARNING:本文不含LightGBM原理解释，主要讲重要参数（较一般文章多、新）以及演示案例，文章中有相当部分的官网英文，担心自己翻译带有个人色彩，故摘选原文，如果英语太差看起来可能会有点蛋疼。

比如更新了一个新功能，是否会对产品有正向作用，主观猜测可能会犯错误，此时进行假设检验：原假设H0：老方案和新方案无区别，H1老方案和新方案有区别（双尾）原假设H0：老方案>=新方案，H1老方案

本文只是一个引子，看了可能有点收获，但并不多，还要加深巩固一下：AARRR（海盗模型）｜原理+Python可视化实现-阿里云开发者社区 (aliyun.com)电商AARRR模型分析（一）——R语言 - 郝hai - 博客园 (cnblogs.com)抖音AARRR模型分析 - 简书 (jianshu.com)用AARRR模型分析拼多多用户增长方式 | 人人都是产品经理 (woshipm.com)

目的：本来想看一下lineplot的其他参数是什么意思，在网上找了一些文章，基本都只是介绍了一部分，或者对errorbar的介绍不太满意，想着这东西本身也不是很难，参数也没有那么多，索性自己对照官网和一些文章，写一篇，把lineplot（scatterplot）,relplot的所有参数都以案例可视化写出来：内容：1.基本介绍 2.所有参数（按相关性顺序写） 3.重点介绍errorbar和boot